Je voudrais résumer ce que j'ai appris en utilisant Tensorflow (Keras) jusqu'à présent.
Lors de l'installation de Tensorflow dans un environnement virtuel, il peut être divisé en cas où l'instruction conda d'Anaconda et l'instruction pip de Python sont utilisées. Chaque fonctionnalité est organisée dans le tableau ci-dessous.
| article | conda | pip |
|---|---|---|
| Commande d'installation | conda install -c anaconda tensorflow-gpu | pip install --upgrade tensorflow |
| mérite | CUDA,cuDNN est également installé automatiquement. Super pratique! | 2020.Tensorflow 2 à partir de 09.3 pip install -r requirement.txt est très pratique |
| Démérite | 2020.Tensorflow 2 à partir de 09.1 est la dernière version. tensorflow-estimateur Verison est 2.Il y a un cas où c'est 3.[2]A ce moment, conda installe tensorflow-estimator==2.1.À 0, tensorflow-estimator version 2.1 installé manuellement |
CUDA,Vous devez installer vous-même CuDNN. On dit que la performance de Tensorflow avec pip est pire qu'avec conda[1] |
| article | Tensorflow 1.X | Tensorflow 2.X |
|---|---|---|
| Installation | TensorflowとKerasを別々Installation | TensorflowだけInstallation |
| importer une partie | import tensorflow as tf import keras |
import tensorflow as tf import tf.keras |
Depuis septembre 2020, la version Tensorflow sur Google Colab est 2.3. Mais disons que la version de Tensoflow sur votre machine locale est 2.1. À ce moment-là, vous devez changer la version de Tensorflow de Google Colab de 2.3 à 2.1.
#Entrez dans Google Colab
#Downgrade tensorflow
!pip install tensorflow-gpu==2.1
import tensorflow as tf
print(tf.__version__)
Recommended Posts