安装tensorflow时,如果使用直接安装速度相对较慢,采取清华大学的镜像会提高速度.GPU版本安装方法:pip install tensorflow-gpu==1.8 -i https://pypi.tuna.tsinghua.edu.cn/simple或 pip install tensorflow==1.8 -i https://pypi.tuna.tsinghua.edu.cn/simple 备注:安装的时候需要python是64位版本,32位版本则会报错,笔者本人用一年的时间来才发现

之前看源码都是在Windows下用SourceInsight看,虽然达到了研究源码的效果,但终究还是有遗憾...趁着周末,准备在Ubuntu虚拟机上下载编译源码. 之前下源码时,有了解一些Android源码的情况.网上的教程很多也是从谷歌官网下源码,但是最近蓝灯不好用,FQ效率有点低,而且FQ的网速肯定无 法和国内的网速相比.所以,从国内的镜像下载源码无疑是个更好的选择.国内的镜像也有好几个,不过我最终选择了清华大学的镜像,也许这是学生时代的 情怀影响了我. 确定了要使用清华大学的镜像,就先找清

自从去年用上了 Jenkins 进行 CI/CD 之后,工作效率高了不少,摸鱼的时间更多了.不过 Jenkins 好是好,但在功夫网的影响下,插件就是经常更新不成功的,就像下面这样子: 查了不少资料,绝大部分都说把升级站点改了就行 然而并没有什么卵用,只是获取插件列表从这个地方获取而已,安装/更新插件的时候该炸还是得炸. 作为一个有代码洁癖的人,看着有插件更新不了那感觉就像有屎拉不出的难受.于是乎这几个月以来一直是通过上面图中的手动上传插件来进行更新的.可是效率实在是低,一两个插件还好,有时候一

网上搜到的pip国内镜像大部分是豆瓣的 http://pypi.douban.com/simple/ 但是根本不全,很多包没有 所以推荐清华大学的 https://pypi.tuna.tsinghua.edu.cn/simple 临时使用 可以在使用pip的时候加参数-i https://pypi.tuna.tsinghua.edu.cn/simple 例如:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gevent,这样就会从清

1.打开Anaconda Prompt 2.搭建TensorFlow的环境: conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yesconda create -n tensorflow python=3.5 3.在用户目录下找到文件   .condarc 环境搭建完成: 4.安装(CPU)版的Tensor

pip安装的-i参数: https://pypi.tuna.tsinghua.edu.cn/simple conda 设置: conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yesconda config --add channels https://mirrors.tuna.tsinghua.edu.c

转自: https://www.cnblogs.com/nosqlcoco/p/6923861.html 什么是 Anaconda? Anaconda is the leading open data science platform powered by Python.Anaconda 是一个由 Python 语言编写领先的开放数据科学平台 什么是 TensorFlow? TensorFlow is an open source software library for numerical c

昨天想运行一段机器学习的代码,在win10系统下配置了一天的python环境,真的是头疼,准备写篇博客来帮助后面需要配置环境的兄弟. 1.下载Anaconda 根据昨天的经历,发现Anaconda真的是好用.下载地址:https://www.anaconda.com/download/  我下的是64位的 下好后就是安装了,安装过程十分简单,这里就不写了,不过建议是添加到环境变量中去,省的后面还要自己加,麻烦. 在菜单栏中找到Anaconda Prompt,以管理员身份运行.我们需要设置 Ana

1 anaconda 64 位,win10 安装 清华大学镜像网络,下载地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 选择下载文件: 根据向导安装 安装完成之后打开终端,查看Conda版本,输入 conda –version 查看Python版本,输入:python 使用对应版本的tensorflow, 输入命令:conda create --name tensorflow python=3.6.5 输入y进行安装. 安装成功

安装TensorFlow在Windows上,真是让我心力交瘁,想死的心都有了,在Windows上做开发真的让人发狂. 首先说一下我的经历,本来也就是起初,网上说python3.7不支持TensorFlow环境,而且使用Anaconda最好,所以我将我之前Windows上所有的python环境卸载掉!!!,对没错,是所有,包括Anaconda环境,python环境,pycharm环境也卸载掉了.而且我丧心病狂的在电脑上找几乎所有关于python的字眼,全部删除掉,统统不留.只是为了铁了心在Wind

前段时间在阿里云买了一台服务器,准备部署网站,近期想玩一些深度学习项目,正好拿来用.TensorFlow官网的安装仅提及Ubuntu,但我的ECS操作系统是 CentOS 7.6 64位,搭建Python.TensorFlow.Jupyter开发环境过程中遇到很多问题.这里将具体步骤分享给大家,可以少走很多弯路. 第一步 安装anaconda Anaconda在linux依然功能强大,管理工具包.开发环境.Python版本都非常方便. 先在根目录下创建一个文件夹用于存放Anaconda安装包 ~

前言:从2015年谷歌将tensorflow开源后,这位用于深度学习的强大神器便把Caffe,Keras,Torch7等这一票人全部干掉,github上的star和fork是一路飙升,几乎是它们的总和,当然,我这里不是对谷歌的日常互舔,从发布博主就一直关注它的最新消息,并啃了原生英文版的官方API,感谢极客学院各位大佬将它翻译成了中文版,博主也及时的对照中文,将它又滋润了两遍,两遍下来,我捉摸着先把系统打好,再进行炼丹.这家伙好了,几乎用了我一天的世界,踩过无数的坑,无数次谷歌,百度,知乎,论坛

参考网址:https://www.tensorflow.org/install/pip (或要VPN) 建议电脑是独显N卡机,安装前先升级驱动,减少不必要错误 1.下载Microsoft Visual C++ 2015 Redistributable Update 3(已安装更高级版或安装VS2015或VS2017可以跳过) https://www.microsoft.com/zh-CN/download/details.aspx?id=53587 2.启用长路径.(Win10)https://

最近在Linux服务器上配置项目,项目需要使用GPU版本的pytorch和TensorFlow,而且该项目内会同时使用TensorFlow的GPU和CPU. 在服务器上装环境,如果重新开始,就需要下载很多依赖包,而且如果直接在系统上安装包,可能会和服务器上的其他包发生冲突,因此使用Anaconda创建虚拟环境来管理项目的依赖包.Anaconda的安装可以去清华大学的镜像下载,速度比较快,选择对应的版本就可以了 https://mirrors.tuna.tsinghua.edu.cn/anacon

0.写在前面 ​ 之前其实安装过一次tensorflow,但是由于电脑中毒,重装了系统,把所有的环境全部删除了.之前在博客里转发了一篇别人在win10安装tensorflow的教程,但是版本比较旧了,所以这次决定自己写一下. 1.环境说明 ​ 这次安装tensorflow是在Win10(1909)版本下,基于anaconda安装的.anaconda隔离管理多个环境,互不影响,比较方便. 2.安装anaconda 2.1 下载 ​ 这里选择python 3.7版本的下载,根据自己系统实际的位数,下

PS:这是GPU版本,CPU版会用笔记本环境另写一篇博客. 前置准备 查看GPU型号 电脑桌面->右键我的电脑->选择管理->点击设备管理器  如下图: 如果不是英伟达显卡,那么不用往下看了,GAMEOVER! 查看CUDA算力 gpu版本要求电脑的GPU硬件必须有CUDA支持,并且计算能力最低为3.5以上. 查看地址在这里:https://developer.nvidia.com/cuda-gpus 这个就是我的: 下载GPU驱动 下载地址:https://www.nvidia.com

1.  在win10中利用Anaconda直接安装tensorflow-gpu 不需要另行安装cuda cudnn 但是不知道电脑会自动适配所需的版本吗,不过把电脑显卡驱动更新一下,就都也可以了吧. https://blog.csdn.net/kane7csdn/article/details/83690575?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.add_param_

如果你经常使用 Python,那么你对 pip 和 Conda 一定不陌生,它们作为包管理器,可以非常方便的帮助我们下载需要的 Python 包,但是受限于大多 Python 包的服务器在国外,国内下载速度缓慢,因此需要配置镜像站提升下载速度. 一.pip 镜像站 1.pip 是什么 pip 是一个通用的 Python 包管理器,具有对 Python 包查找.下载.安装.卸载的功能.pip 已内置于 Python3.4 和 2.7 及以上版本中.pip 默认从 PyPI 中下载包,PyPI 全名

[1]最近领导天天在群里发一些机器学习的链接,搞得好像我们真的要搞机器学习似的,吃瓜群众感觉好神奇呀. 第一步 其实也是最后一步,就是网上百度一下,Docker Toolbox,下载下来,下载,安装之后会有三个图标,这里给大家截一下图 不过,这三个图标首先我们都不需要去点击他们.为什么呢?看来这么多片博文,感觉最靠谱的就是这一篇了http://www.linuxidc.com/Linux/2016-07/133506.htm 需要先去点击Git Bash这个图标,然后,输入 notepad .b

关于Tensorflow的基本介绍 Tensorflow是一个基于图的计算系统,其主要应用于机器学习. 从Tensorflow名字的字面意思可以拆分成两部分来理解:Tensor+flow. Tensor:中文名可以称为“张量”,其本质就是任意维度的数组.一个向量就是一个1维的Tensor,一个矩阵就是2维的Tensor. Flow:指的就是图计算中的数据流. 当我们想要使用Tensorflow做什么事情的时候,一般需要三个操作步骤: 创建Tensor: 添加Operations(Operatio

tensorflow tensorflow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,其命名来源于本身的运行原理.Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从图象的一端流动到另一端计算过程.TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统. tensorflow可在小到一部智能手机.大到数千台数据中心服务器的各种设备上运行.本文主要探讨的是tensorflow在大规模容器上运行的一