tf.placeholder()函数 Tensorflow中的palceholder,中文翻译为占位符,什么意思呢? 在Tensoflow2.0以前,还是静态图的设计思想,整个设计理念是计算流图,在编写程序时,首先构筑整个系统的graph,代码并不会直接生效,这一点和python的其他数值计算库(如Numpy等)不同,graph为静态的,在实际的运行时,启动一个session,程序才会真正的运行.这样做的好处就是:避免反复地切换底层程序实际运行的上下文,tensorflow帮你优化整个系统的代码

在Tensorflow实战Google框架下的深度学习这本书的MNIST的图像识别例子中,每次都要报错   错误如下: Only call `sparse_softmax_cross_entropy_with_logits` with named arguments (labels=..., logits=..., ...)   需要置换的是 cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(y, tf.argmax(y

在网上找了很多案例,踩了许多坑,感觉比较全面的是下面介绍的 http://www.cnblogs.com/xuliangxing/p/7575586.html 先说说我的步骤: 首先安装了Anacoda,因为是科学运算环境,所以先安装了最新版,所以对应的Python 3.6 安装显卡驱动:GTX950M 安装了最新的 390驱动,担心不兼容,所以都用最新的 安装cuda,这个坑最后才发现,因为安装最新的9.1版本,最后tensorflow只找9.0的文件.所以,这个地方一定要选其他release

由于清华镜像源迟迟没有更新tensorflow1.13.1导致python3.7不能使用tensorflow 这里有一个解决方法 管理员模式打开(一定要管理员模式 不然会导致权限不足) 输入 pip install tensorflow== -i https://pypi.doubanio.com/simple/ 卸载目前的numpy(版本需要更新) conda remove numpy 然后重新安装 pip install numpy -i https://pypi.doubanio.com/

紧接着上一篇的文章<深度学习(TensorFlow)环境搭建:(二)Ubuntu16.04+1080Ti显卡驱动>,这篇文章,主要讲解如何安装CUDA+CUDNN,不过前提是我们是已经把NVIDIA显卡驱动安装好了 一.安装CUDA CUDA(Compute Unified Device Architecture),是英伟达公司推出的一种基于新的并行编程模型和指令集架构的通用计算架构,它能利用英伟达GPU的并行计算引擎,比CPU更高效的解决许多复杂计算任务,想使用GPU就必须要使用CUDA.

Cuda9.1下载地址 cudnn下载  需要注册英伟达账号 cuda安装完成后默认的环境变量配置不对,CUDA_PATH是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0,但是这样不能直接访问到bin和lib\x64下的程序包, 在path中加上这两个路径即可. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1 C:\Program Files\NVIDIA GPU Co

目录 深度学习环境搭建:Tensorflow1.4.0+Ubuntu16.04+Python3.5+Cuda8.0+Cudnn6.0 Reference 硬件说明: 软件准备: 1. 安装Ubuntu16.04 2. 安装显卡驱动 3.安装Cuda8.0 4. 安装Cudnn6.0 5. 清华源安装Anaconda 6. 安装tensorflow 7. 验证您的安装 运行一个简短的 TensorFlow 程序 8. 卸载cudnn5.1升级为cudnn6.0 深度学习环境搭建:Tensorflo

软件版本说明:我选的Linux系统是Ubuntu16.04,CUDA用的8.0,Ubuntu16.04+CUDA8.0+cuDNN5.1+Python2.7只支持TensorFlow1.3.0以下的版本,所以我的TensorFlow版本选择为1.2.0.如果想使用TensorFlow1.3.0,就需要CUDA8.0+cuDNN5.1了. 软件下载地址:CUDA:https://developer.nvidia.com/cuda-toolkit-archive cuDNN:https://deve

本文记录了在Ubuntu上安装TensorFlow的步骤.系统环境:Ubuntu14.10 64bitPython版本:Python 2.7.8TensorFlow版:TensorFlow 1.0.1 安装步骤 1. 检查Python和pip的版本 由于本系统之前已经安装了Python,这里只需要确认一下版本号. $ python -V 输出:Python 2.7.8 $ pip -V 输出:pip 9.0.1 from /usr/local/lib/python2.7/dist-package

windows10 + anaconda + tensorflow-1.5.0 + python-3.6 + keras-2.2.4配置和安装 (base) C:\Users\jiangshan>conda create --name keras python=3.6==================================================================================Collecting package metadata: doneS

windows10+Python3.6+Anaconda3+tensorflow1.10.0# Anaconda3安装自行下载安装,之后dos或Anaconda Prompt终端查看Anaconda3版本(base) C:\Users\jiangshan>conda -Vconda 4.6.8windows10下使用Anaconda3安装tensorflow1.10.0# TenssorFlow目前还不支持Python 3.7,使用Anaconda3创建Python 3.6虚拟环境# 创建基于p

本文具体参考资料链接 1.VMware下载安装 百度输入VMware搜索,出现如下界面,点击下载: 此处安装步骤可以网上搜索,也可不用搜索,直接按照按照提示一步一步确认即可完成. 2.Ubuntu16.04镜像文件下载 下面给出阿里云镜像网站下载链接:http://mirrors.aliyun.com/ubuntu-releases/16.04/ 具体安装教程推荐:https://jingyan.baidu.com/article/c45ad29c2edc1d051653e252.html 3.

卸载旧版本: pip uninstall tensorflow 安装新版本: sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp27-none-linux_x86_64.whl (备注:我的系统版本是 lcx@lcx-OptiPlex-390:~$ uname -aLinux lcx-OptiPlex-390 4.4.0-98-generic #121

写在前面 本文叙述了在Ubuntu16.04 Server下安装CUDA8.0,cuDNN6.0以及源码编译安装TensorFlow1.4.0(GPU版)的亲身经历,包括遇到的问题及解决办法,也有一些自己的经验,希望能对读者有所帮助.期间参考了许多前人的文章,后文会一一附上链接,在此先行谢过.在下能力有限,经验不足,请大家多多指教. 关键词:Ubuntu16.04 Server   深度学习环境搭建   安装   显卡驱动   CUDA8.0   cuDNN6.0   Bazel   源码编译 

目录 Tensorflow1.5.0+cuda9.0+cudnn7.0+gtx1080+ubuntu16.04 0. 前记 1. 环境说明 2. 安装GTX1080显卡驱动 3. CUDA 9.0安装 4. cuDNN安装 5. Tensorflow-GPU安装 6. Cuda的卸载,cuDNN的卸载 处理之前安装的cuda文件 处理之前安装的cuDNN 7. Reference Tensorflow1.5.0+cuda9.0+cudnn7.0+gtx1080+ubuntu16.04 0. 前记

原文作者:aircraft 原文链接:https://www.cnblogs.com/DOMLX/p/9747019.html 基本开发环境搭建 1. Microsoft Windows 版本 关于Windows的版本选择,本人强烈建议对于部分高性能的新机器采用Windows 10作为基础环境,部分老旧笔记本或低性能机器采用Windows 7即可,本文环境将以Windows 10作为开发环境进行描述.对于Windows 10的发行版本选择,笔者建议采用Windows_10_enterprise_

这是我第一个人工智能实验.虽然原理不是很懂,但是觉得深度学习真的很有趣.教程如下. Table of Contents 配置 时间轴 前期准备工作 anaconda3 安装 bug 1:conda:未找到命令,终端输入 Nvidia DRIVER390.77 卸载原驱动 安装显卡驱动 查看GPU版本 显卡分辨率问题 CUDA 9.0 卸载 下载CUDA 9.0 安装CUDA 9.0 查看cuda信息 ​测试CUDA的Samples 查看CUDA版本 cudnn 7.0.4 卸载 Debian 下

之前一直在windows下使用tensorflow,对cpu和gpu的安装都是比较顺利,都是使用anaconda环境下,创建虚拟conda环境,这样方便不同python版本的管理. 一直也想尝试使用utuntu安装,从头是开学习一遍,昨天刚装了双系统,尝试先安装tensorflow,然后进行caffe安装. Utuntu16.04+CUDA8.0+cuDNN(5.1-->6.0,tf1.2+ TiTan XP版本以上支持cuDNN6.0)+tensorflow1.4-gpu(自动安装最新版本)

前言 看到DateWhale出了一篇安装教程(微信公众号DateWhale),决定体验一下Tensorflow1.9的GPU版本..其实一开始装的是2.0,但是tf.Session()就报错了,说是2.0不能这么用, 于是有点怂,还是装回1.X版本先玩玩吧,至少教程多啊.. 正文 总共所需环境为 Anaconda3.X, CUDA9.0以上,以及 cuDNN7.5以上的配置, 一. 首先Anaconda是已经有3.6的版本了, 二. 然后在自己机子上看了一下环境变量,原来很久以前我就装了CUDA

报错出现 Could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR tensorflow-1.13.1和1.14windows版本目前不支持CUDA10.0,我加了个CUDA9.0以及9.0对应的CUDA就解决了问题了,且CUDA9.0对应的cudnn不要选7.0,7.0会报错,我用的是7.6 for 9.0

近一个假期,入坑深度学习,先从能看得着的验证码识别入门.从B站看了几天的黑马程序员的“3天带你玩转python深度学习后“,一是将教程中提到的代码一一码出来:二是针对不同的tensorflow版本,结合网络上其它文章,重新利用tensorflow2.x的keras实现同样的功能.两遍代码写完后,深感深度学习的恐怖. 一.Anaconda安装. 1.为了一些不必要的麻烦,还是先安装anaconda.下载地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda