首页 > 其他分享 >部署CPU与GPU通用的tensorflow:Anaconda环境

部署CPU与GPU通用的tensorflow:Anaconda环境

时间:2024-08-06 14:07:14浏览次数:12  
标签:Python 配置 Anaconda 版本 GPU 所示 tensorflow

  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Python TensorFlow深度学习回归代码:DNNRegressorPython TensorFlow深度神经网络回归:keras.Sequential中,我们介绍了利用Python中的tensorflow库,实现机器学习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,在较新版本的tensorflow库(版本大于1.5 ,但对于Windows用户而言,版本还不能高于2.10)中,已经同时支持CPUGPU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。

image

  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,因此需要按照文章创建Anaconda虚拟Python环境的方法中提到的方法,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创建Anaconda虚拟Python环境的方法,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,我们将在下一篇博客中介绍具体的配置方法。

标签:Python,配置,Anaconda,版本,GPU,所示,tensorflow
From: https://www.cnblogs.com/fkxxgis/p/18345002

相关文章

  • 安装CPU版本的TensorFlow教程
    在这篇博客中,我将详细介绍如何在Conda虚拟环境中安装CPU版本的TensorFlow。第一步,首先在安装前你需要检查你的电脑中是否安装VisualStudio,在应用中搜索visual,如下图,如果有就跳到下一步,没有的话就跟着下面步骤安装。 VisualStudio安装,复制链接到浏览器打开,选择适合你电脑......
  • AI6-PPOCRLabel带GPU训练
    一、移动PPOCRLabel  从anconda安装目录中找到PPOCRLabel文件夹,移动到PaddleOCR-release-2.8文件夹下   二、启动PPOCCRLabel  cmd命令行进入paddle_py38环境,使用PPOCRLabel--langch来启动PPOCRLabel   三、打开图片文......
  • wsl docker里运行ollama并使用nvidia gpu的一些记录
     1、安装wsl2具体过程网上一搜一把,这里就先略过了,只有wsl2能用哈2、wsl里装docker,及相关配置装dockerwget https://download.docker.com/linux/static/stable/aarch64/docker-23.0.6.tgzcd/mydata/tmp/tar -zxvf docker-23.0.6.tgzmvdocker/*/usr/bin/mvdock......
  • Manjaro虚拟机安装Miniconda(anaconda)并配置
    Manjaro虚拟机安装Miniconda(anaconda)并配置按照ManjaroLinux安装配置Anaconda3(Miniconda3)与Pytorch_manjaroanaconda-CSDN博客这里的步骤进行安装配置 遇到的问题[goldens@golden-vmwarevirtualplatform~]$condaErrorwhileloadingcondaentrypoint:conda-co......
  • 6-3使用GPU训练模型
    深度学习的训练过程常常非常耗时,一个模型训练几个小时是家常便饭,训练几天也是常有的事情,有时候甚至要训练几十天。训练过程的耗时主要来自于两个部分,一部分来自数据准备,另一部分来自参数迭代。当数据准备过程还是模型训练时间的主要瓶颈时,我们可以使用更多进程来准备数据。当......
  • ppo算法使用gpu加速
    因为论文需要使用ppo算法。现在算法能跑通了,图看着有点像收敛,所以就想着使用GPU加速,好方便调参,谁知道一搜深度强化学习如何使用GPU加速,居然一条帖子都没有。所以在此记录下如何使用GPU给PPO算法加速。我的环境是基于pytorch的,已经安装好支持GPU版本pytorch了,如果还不了解支持GPU......
  • PyTorch下载完成之后无法使用GPU
    问题描述:测试代码如下:importtorchprint(torch.__version__)print(torch.cuda.is_available())print(torch.cuda.device_count())测试结果为false问题原因:使用清华源conda下载导致它会自动给你下载为cpu版问题解决:删除虚拟环境condaenvremove--namemyenv创建......
  • CPU和GPU的区别(CPU核心少但是强和GPU核心多但是弱)
    目录CPU和GPU的区别(CPU核心少但是强和GPU核心多但是弱)内存和显存的区别在Helo2和Zk-Snarks中使用CPU还是GPU提升验证效率实现串行和并行的原因及简单举例CPU和GPU的区别(CPU核心少但是强和GPU核心多但是弱)CPU(中央处理器)和GPU(图形处理器)在设计和功能上存在显著差异:设......
  • 书籍分享《TensorFlow机器学习实战指南》从入门到实战,免费领取!
    Google公司开发的TensorFlow深度学习库因其简单易学、应用场景广泛已经快成为各家公司开展人工智能研究的标配了。TensorFlow机器学习实战指南作者:NickMcClure,资深数据科学家,就职于美国西雅图PayScale公司,曾经在Zillow公司和Caesar’sEntertainment公司工作,获得蒙......
  • 【眼疾病识别】图像识别+深度学习技术+人工智能+卷积神经网络算法+计算机课设+Python+
    一、项目介绍眼疾识别系统,使用Python作为主要编程语言进行开发,基于深度学习等技术使用TensorFlow搭建ResNet50卷积神经网络算法,通过对眼疾图片4种数据集进行训练('白内障','糖尿病性视网膜病变','青光眼','正常'),最终得到一个识别精确度较高的模型。然后使用Django框架开发Web网......