学习 TensorFlow 准备工作
基本操作
检查你的 TensorFlow 安装情况
import tensorflow as tf
print(tf.__version__)
GPU 安装 Tensorflow
pip install --upgrade pip
pip install tensorflow-gpu==2.4.0
# 注意 tensorflow-gpu的版本根据CUDA版本来选择
tensorflow-gpu==version
版本对照 CUDA 选择:
CPU 安装 Tensorflow
该视频为帝国理工大学 TensorFlow2.0 课程推荐使用 Ubuntu 虚拟机 Docker 容器:
https://www.coursera.org/learn/getting-started-with-tensor-flow2/lecture/wCNhx/coding-tutorial-running-tensorflow-with-docker
Google Colab
Google Colab: https://colab.research.google.com/
Google Colab 的优势在于用户通过网络,无需安装PyCharm以及各种包,比如TensorFlow,更无需因为包版本问题导致出现的各种问题。而对于苹果用户而言,更是佳音,因为Colab直接搭配GPU,所以在训练时可以大大缩减只有CPU的苹果设备所需的时间。
甚至你可以在火车上,飞机上,使用便携式设备,比如IPad Pro,搭配键盘,训练神经网络。
Colab 的一些基本操作
# 导入tensorflow
import tensorflow as tf
# 安装tensorflow2.11.0版
!pip install tensorflow==2.11.0
# 连接到Google云端硬盘上
from google.colab import drive
drive.mount('gdirve')
一种快速从 tf1 代码更新为 tf2 代码的方法
TensorFlow 提供一种快速从 tf1 转换到 tf2 的方法:
tf_upgrade_v2 --infile xxx_tf1.py --outfile xxx_tf2.py
视频链接:https://www.coursera.org/learn/getting-started-with-tensor-flow2/lecture/YZn5X/upgrading-from-tensorflow-1
视频说明:仅用于学习,版权归帝国理工大学与Coursera所有
附录:TensorFlow Documentations: https://www.tensorflow.org/api_docs/python/tf
确保拥有一种方式可以使用 tensorflow,本节博客内容到此;博客P2内容为Keras