Ich möchte zusammenfassen, was ich bisher mit Tensorflow (Keras) gelernt habe.
Bei der Installation von Tensorflow in einer virtuellen Umgebung kann es in Fälle unterteilt werden, in denen Anacondas Conda-Anweisung und Pythons Pip-Anweisung verwendet werden. Jede Funktion ist in der folgenden Tabelle organisiert.
| Artikel | conda | pip |
|---|---|---|
| Installationsbefehl | conda install -c anaconda tensorflow-gpu | pip install --upgrade tensorflow |
| verdienen | CUDA,cuDNN wird ebenfalls automatisch installiert. Super praktisch! | 2020.Tensorflow 2 ab 09.3 pip install -r requirement.txt ist sehr praktisch |
| Fehler | 2020.Tensorflow 2 ab 09.1 ist die neueste Version. tensorflow-Schätzer Verison ist 2.Es gibt einen Fall, in dem es 3 ist.[2]Zu diesem Zeitpunkt installieren conda Tensorflow-estimator==2.1.Bei 0 Tensorfluss-estimator version 2.1 manuell installiert |
CUDA,Sie müssen CuDNN selbst installieren. Die Leistung von Tensorflow mit Pip soll schlechter sein als mit Conda[1] |
| Artikel | Tensorflow 1.X | Tensorflow 2.X |
|---|---|---|
| Installation | TensorflowとKerasを別々Installation | TensorflowだけInstallation |
| Teil importieren | import tensorflow as tf import keras |
import tensorflow as tf import tf.keras |
Ab September 2020 ist die Tensorflow-Version auf Google Colab 2.3. Angenommen, die Version von Tensoflow auf Ihrem lokalen Computer ist 2.1. Zu diesem Zeitpunkt müssen Sie die Version von Tensorflow von Google Colab von 2.3 auf 2.1 ändern.
#Geben Sie in Google Colab ein
#Downgrade tensorflow
!pip install tensorflow-gpu==2.1
import tensorflow as tf
print(tf.__version__)
Recommended Posts