农村电商网站建设分类,网络营销的基础与前提是什么理论,公司展示网站费用,网站在建设时不容忽略的一些细节本文介绍在Anaconda环境中#xff0c;下载并配置Python中机器学习、深度学习常用的新版tensorflow库的方法。 在之前的两篇文章基于Python TensorFlow Estimator的深度学习回归与分类代码——DNNRegressor#xff08;https://blog.csdn.net/zhebushibiaoshifu/article/detail… 本文介绍在Anaconda环境中下载并配置Python中机器学习、深度学习常用的新版tensorflow库的方法。 在之前的两篇文章基于Python TensorFlow Estimator的深度学习回归与分类代码——DNNRegressorhttps://blog.csdn.net/zhebushibiaoshifu/article/details/114001720与基于Python TensorFlow Keras的深度学习回归代码——keras.Sequential深度神经网络https://blog.csdn.net/zhebushibiaoshifu/article/details/114016531中我们介绍了利用Python中的tensorflow库实现机器学习与深度学习的具体思路与代码实现然而当初并没有具体介绍tensorflow库的配置方法。因此在这篇文章中我们就介绍一下在Anaconda环境中配置tensorflow库的详细方法此外这里需要注意在最新的tensorflow库版本大于1.5中已经同时支持CPU、GPU训练不需要再区分是配置CPU版本的库还是GPU版本的库了。 首先和Anaconda环境配置其他库一样我们需要打开Anaconda Prompt软件如下图所示。 随后将会弹出如下所示的终端窗口。 接下来我们即可开始tensorflow库的配置。由于我这里希望将tensorflow库配置到另一个已有的Anaconda虚拟环境中这个虚拟环境的名称为py36tfPython版本是3.6的而不是当前这个默认的base环境因此需要按照文章Anaconda中Python虚拟环境的创建、使用与删除https://blog.csdn.net/zhebushibiaoshifu/article/details/128334614中提到的方法首先进入这个名称为py36tf的虚拟环境中如下图所示。 如果大家需要在默认的环境中配置tensorflow库直接执行接下来的操作即可如果大家希望新建一个环境来配置tensorflow库那么参考上文提及的文章Anaconda中Python虚拟环境的创建、使用与删除https://blog.csdn.net/zhebushibiaoshifu/article/details/128334614创建并进入一个新的虚拟环境再继续执行接下来的操作即可。 接下来继续输入如下的代码即可立即开始配置tensorflow库。
pip install --upgrade tensorflow运行上述代码后可以看到将立即开始tensorflow库的配置如下图所示。其中由于我这里Python版本是3.6的而不是最新的Python版本因此从下图可以看到tensorflow库版本也并不是最新的而是2.6.2版本的——当然对我而言这也就足够了。如果大家希望用最新版本的tensorflow库需要注意同时使用最新的Python版本。 此外这里有必要提一句——如果我用如下所示的代码进行tensorflow库的配置配置得到的tensorflow库则是1.X版本的而不是上面我们刚刚得到的是2.X版本始终无法获取最新版本的tensorflow库且之后无论怎么更新tensorflow库都会出现报错信息。
conda install tensorflow例如在我的电脑上如果运行上述代码则结果如下图所示。 不知道具体是哪里的问题从上图可以看到这种方法得到的tensorflow库始终是1.X版本例如上图中显示tensorflow库就是1.2.1版本的。所以如果大家需要比较新版本的tensorflow库还是建议用前面提到的pip install --upgrade tensorflow这句代码来实现。 让我们继续回到前述tensorflow库配置的工作中稍等片刻一般情况下即可完成tensorflow库的配置。这里需要注意如果此时大家出现如下图所示的报错则说明tensorflow库暂时还是没有配置成功。 这种情况是由于pip版本不够高导致的因此我们需要通过如下所示的代码将pip升级。
python -m pip install --upgrade pip输入上述代码如下图所示。 运行这一代码后我们重新运行一次pip install --upgrade tensorflow这句代码即可。可是在我这里重新运行这句代码后又出现了如下图所示的问题。 通过检查发现网络代理的问题将代理关闭后即可解决问题但是很奇怪不知道为什么刚刚没有报这个错误重新运行这句代码后才出现这样的错误。最终得到结果界面如下图所示。 接下来我们可以输入如下的代码从而检查tensorflow库是否已经配置成功。
python -c import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))如下图所示如果最终得到了一个tf.Tensor结果即可说明我们的tensorflow库终于配置完毕了。 至此大功告成。当然到这里或许也不算完全成功——从上图可以看到当前tensorflow库并没有进行GPU计算。如果大家的电脑上没有GPU或者不需要用GPU加以计算那就不用管这个问题相当于已经完全成功了后续直接开始用tensorflow库进行各类深度学习的应用即可但是对于电脑上有GPU并且也希望让GPU加入计算的用户而言则按照文章新版本GPU加速的tensorflow库的配置方法https://fkxxgis.blog.csdn.net/article/details/129291170中所述的方法加以配置即可。
欢迎关注疯狂学习GIS
