Configuration de l'environnement TensorFlow2.0
Vidéo d'auto-apprentissage: 【Université de Pékin】 Tensorflow2.0
Un, installez Anaconda3
Téléchargez depuis le site officiel pour
installer par défaut
Ajouter anaconda3 à la variable d'environnement après l'installation
2. Installation de TensorFlow
2.1 Créer un environnement
TF2.1 conda create -n TF2.1 python = 3.7 Choisissez y pour accepter l'installation des progiciels associés
2.2 Windows10 installe cuda10.1 et cudnn
cliquez sur le lien pour écrire la dernière fois.
S'il n'y a pas de carte graphique NVIDIA sur l'ordinateur, ignorez 2.2 et passez directement à 2.3
2.3 Installation de tensorflow2.1
J'ai changé la source lors de l' installation de pip, sinon le téléchargement serait lent!
pip install tensorflow==2.1 -i https://pypi.douban.com/simple/
Après avoir entré python, la capture d'écran est la suivante:
Trois, nouveau projet Pycharm, écrire du code pour vérification
Le
code de test du nom de fichier test.py est le suivant:
import tensorflow as tf
tensorflow_version = tf.__version__
gpu_available = tf.test.is_gpu_available()
print("tensorflow version", tensorflow_version, "\tGPU available", gpu_available)
a = tf.constant([1.0, 2.0], name="a")
b = tf.constant([1.0, 2.0], name="b")
result = tf.add(a, b, name="add")
print(result)
Ces quelques lignes de code resteront bloquées lors de l'exécution, en fonction de la qualité de la carte graphique, ma carte graphique est très écumeuse, il a donc fallu plus de dix minutes pour obtenir des résultats. Vous pouvez attendre patiemment ou changer vos hhhhh informatiques et obtenir
coincé dans Ajout de périphériques gpu visibles: 0 Ceci est normal, ne pas paniquer et prendre des médicaments.
Run Capture d' écran:
Vous avez terminé et vous pouvez commencer à l'étape suivante de l' apprentissage!