没有合适的资源?快使用搜索试试~ 我知道了~
深度学习(基于Tensorflow2.0)学习笔记——Day2
1 下载量 104 浏览量
2021-01-20
11:47:25
上传
评论
收藏 600KB PDF 举报
温馨提示
试读
5页
引言 昨天已经把关于深度学习的一些基础知识简要回顾了一下,那么从今天开始就要正式开始实战了。正所谓“万事开头难”,但如果不迈出第一步就永远无法知道自己究竟能不能完成。所以不要望而生畏,更不能眼高手低,放低自己的姿态,脚踏实地的研究下去。 Tensorflow2.0环境配置 刚开始在配置Tensorflow2.0环境的时候(准确来说是2.0alpha,当时正式版还没有发布),费了不少的时间,而且直到最后也没能安装成功。所以在这里我建议大家可以用conda安装,配置一个TF2.0虚拟环境。原因是这种方法对极为简便,对新手比较友好。废话少说,接下来正式开始搭建环境。 环境准备 我目前的配置主要是在W
资源详情
资源评论
资源推荐
深度学习(基于深度学习(基于Tensorflow2.0)学习笔记)学习笔记——Day2
引言引言
昨天已经把关于深度学习的一些基础知识简要回顾了一下,那么从今天开始就要正式开始实战了。正所谓“万事开头难”,但如果不迈出第一步就永远无法知道自己究竟能不能完成。
所以不要望而生畏,更不能眼高手低,放低自己的姿态,脚踏实地的研究下去。
Tensorflow2.0环境配置环境配置
刚开始在配置Tensorflow2.0环境的时候(准确来说是2.0alpha,当时正式版还没有发布),费了不少的时间,而且直到最后也没能安装成功。所以在这里我建议大家可以用conda安
装,配置一个TF2.0虚拟环境。原因是这种方法对极为简便,对新手比较友好。废话少说,接下来正式开始搭建环境。
环境准备环境准备
我目前的配置主要是在Win10上面,使用conda搭建的python虚拟环境,我目前装的是CPU版本,(当然也可以通过conda安装cuda以及cudnn来获取GPU支持),通过pip安装
tensorflow2.0。同理,ubuntu的安装也与之类似,且较为简便。这里我要说明一点就是,GPU支持不是必须的,相反有些系统因为硬件原因不适合安装GPU版本。对于我们的学习来
说,CPU版本已经够用了。如果说牵扯到某个较大的项目,显然GPU版本才是要首先考虑的。
conda安装安装
conda是很好用python管理工具,可以方便建立管理多个python环境。后面安装的步骤里我也会介绍一些常用的conda指令。
conda 我推荐使用安装miniconda,大家可以理解为精简版的anaconda,只保留了一些必备的组件,所以安装会比快上很多,同时也能满足我们管理python环境的需求。(anaconda
一般在固态硬盘安装需要占用几个G内存,花费1-2个小时,miniconda一般几百M,10分钟就可以安装完成了)
miniconda推荐使用清华源下载:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
选择适合自己的版本就可以,
windows推荐地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-Windows-x86_64.exe
ubuntu推荐地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-Linux-x86_64.sh
Mac os推荐地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-MacOSX-x86_64.pkg
下以windows版本来安装miniconda作为演示,从上述下载合适版本,下载好后以管理员权限打开点击安装。
注意这两个都要勾选,一个是让我们可以直接在cmd使用conda指令,第二个是把miniconda自带的python3.7作为系统python。
安装好后就可以在cmd中使用conda指令了,cmd打开方式,windows键+R键,弹出输入框,输入cmd就进入了。也可以直接在windows搜索cmd点击运行。
下面介绍些cmd conda指令:
查看conda环境:conda env list
新建conda环境(env_name为自定义的环境名):conda create -n env_name
激活conda环境(ubuntu和Macos将conda替换为sources):conda activate env_name
退出conda环境:conda deactivate
安装和卸载python包:conda install / uninstall numpy
查看已安装的python列表:conda list -n env_name
明白上述指令就可以使用conda新建一个环境安装TF2.0了。
TF2.0 CPU版本安装版本安装
TF CPU安装比较简单,因为不需要配置GPU,所以windows ubuntu macOS安装方式都类似,缺点就是运行速度慢,但是用于日常学习使用还是可以的。
下面以windows版本做演示:以下均在命令行操作(这里我向大家推荐一个windows系统的终端工具 Windows Power Shell 优点是相对比较简洁好用)
1.新建新建TF2.0 CPU环境环境(使用conda 新建环境指令 python==3.7表示在新建环境的python版本为3.7)
conda create -n TF_2C python=3.7
当弹出 :Proceed ([y]/n)? 输入y回车
完成后就可以进入此环境。注意,这里的TF_2C是我这里的环境名,当然也可以自己取。
2.进入进入TF_2C环境环境
conda activate TF_2C
进入后我们就可以发现:(TF_2C)在之前路径前面,表示进入了这个环境。使用conda deactivate可以退出。
weixin_38747211
- 粉丝: 12
- 资源: 901
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0