tensorflow學習（1）：安裝cuda版本的tensorflow並檢視版本

阿新 • • 發佈：2019-02-17

1，安裝

tensorflow應該是最好安裝的深度學習庫了吧。

首先，安裝好python（或者anaconda）

然後，再安裝CUDA，詳見本人部落格：點選檢視部落格

最後，安裝tensorflow（pip命令對於python和anaconda都適用）：

$ pip install --upgrade tensorflow-gpu

2，安裝後檢視版本：python -c "import tensorflow;print(tensorflow.__version__)"

tensorflow學習（1）：安裝cuda版本的tensorflow並檢視版本

1，安裝 tensorflow應該是最好安裝的深度學習庫了吧。首先，安裝好python（或者anaconda）然後，再安裝CUDA，詳見本人部落格：點選檢視部落格最後，安裝tensorflow（

OpenFace學習（1）：安裝配置及人臉比對

前言前幾天在網上看到了openface（連結），覺得挺有趣就下載配置了一下，稍微修改了一下跑了個demo，效果還是很不錯的。這裡分享下安裝配置的過程以及demo。簡介環境搭建我只是在筆記本上搭建了環境所以涉及到GPU的CUDA驅動的部

Jenkins 學習（1）：Windows系統下安裝

一、jenkins是什麼？還是小白，先放個連結：https://blog.csdn.net/ios_xumin/article/details/78125913 二、下載jenkins &nbs

pyCUDA教程-系列學習（1）：GPU結構、pyCUDA、numbapro安裝及HelloGPU例子

GPU結構CPU v.s. GPU CPU是被設計用來處理複雜任務的，而GPU只能做好一件事-處理百萬級的低階任務（原來是被用來生成3D圖形中的三角形），而且GPU有上千個ALU（算術邏輯單元），而CPU通常只有8個。而且很多程式大部分時間都花在GPU擅長的簡單運算上了，所

Docker學習（1）：在Ubuntu下安裝Docker和關於容器的常用命令

一、Docker的安裝條件 1.執行64位CPU架構的計算機，Docker目前不支援32位CPU; 2.建議採用Linux3.8或更高版本的核心; 3.核心必須支援一種適合的儲存驅動

xgboost學習筆記（1）：安裝

背景 xgboost是GBDT演算法的實現，可以做迴歸，分類，和排序。支援各種語言呼叫，支援單機和分散式。非常適合於大規模資料集。 - 專案主頁 - 安裝安裝我選擇了Python呼叫xgboost的方式。從專案主頁下載原始碼，

idea（1）：安裝配置

idea idea安裝配置二、配置2.1、激活Help --> Register...2.2、皮膚及字體File-->Settings...-->2.2.1、皮膚 2.2.2、字體 2.3、git在https://github.com/中註冊一個賬號IDEA還需要Git客戶端，官方

ArcGIS API for JavaScript學習（1）：第一個地圖

樣式表參數資源 charset 底層 arcgis 順序 api navi 1.簡介 ArcGIS API for JavaScript跟隨ArcGIS 9.3同時發布，是ESRI根據JavaScript技術實現的調用ArcGIS Server REST API接口的一

facets學習（1）：什麽是facets

遺失 air 不同的無縫切換 over 快速後來樣式觀察 ML 數據集可以包含數億個數據點，每個數據點由數百（甚至數千）的特征組成，幾乎不可能以直觀的方式了解整個數據集。為幫助理解、分析和調試 ML 數據集，谷歌開源了 Facets，一款可視化工具。 Facets

C++學習（1）：最大子段和（多種解法）

多少問題： code namespace 數據組成 amp using () 問題：給定由n個數（可能為負數）組成的序列a1,a2,a3,...,an,求該序列子段和的最大值。第一種解法：（最容易考慮的方法，將所有的子段一一相加，然後比較） 1 #include&

Gradle基本使用（1）：安裝、IDEA使用

程序 enter epo osi window ont ins window下 cto 安裝配置Gradle Gradle 二進制版下載地址： https://gradle.org/install/ 下載後解壓，並將 GRADLE_HOME/bin 添加到系統 path

Netty學習（1）：Channel的概念

1. Channel Channel是Netty的核心概念之一，它是Netty網路通訊的主體，由它負責同對端進行網路通訊、註冊和資料操作等功能。 1.1 工作原理如上圖所示：一旦使用者端連線成功，將新建一個channel同該使用者端進行繫結 channel從EventL

ADB 學習（1）：adb devices 命令

一、前言關於環境搭建問題，這裡就不在寫了，之前在上一篇 monkey 環境搭建中，寫的也比較詳細，點選傳送門因為monkey這個工具在執行時就是通過adb這個命令來與我們的

TensorFlow學習（三）：tf.reduce_sum()

壓縮求和 tf.reduce_sum( input_tensor, axis=None, keepdims=None, name=None, reduction_indices=None, keep_dims=None ) Args:

TensorFlow學習（二）：tf.random_normal() 和 tf.random_unform()

1. tf.random_normal() #正態分佈 tf.random_normal( shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None ) Args:

three.js學習（1）：

1.three.js是： three.js是用JavaScript編寫的WebGL第三方庫。官網（www.threejs.org) 2.three.js功能： three.js 是一款執行在瀏覽器中的 3D 引擎，你可以用它建立各種三維場景，包括了攝影機、光影、材質等各種物件。 3.thre

Java虛擬機器學習（1）：體系結構記憶體模型

JVM記憶體區域模型 1.方法區也稱”永久代” 、“非堆”，它用於儲存虛擬機器載入的類資訊、常量、靜態變數、是各個執行緒共享的記憶體區域。預設最小值為16MB，最大值為64MB，可以通過-XX:PermSize 和 -XX:MaxPermSize 引數限制方法區的大小。

tensorflow學習（3）：初始化

一、隨機數生成函式 tf.truncated_normal(shape, mean, stddev) shape表示生成張量的維度，mean是均值，stddev是標準差。這個函式產生正太分佈（嚴格的說是高斯分佈），均值和標準差自己設定。這是一個截斷的產生正太分佈的函式，就是說

tensorflow學習（2）：計算圖,tf.get_default_graph(),tf.Graph()

一、基本概念顧名思義，TensorFlow的名字已經出賣了它的“靈魂”，TensorFlow=tensor（張量）+flow（流動）。TensorFlow是一個通過計算圖的形式來表達計算的程式設計框架。其每一個計算都是計算圖上的一個節點，而節點之間的邊描述了計算之間的依賴關係。計算圖

tensorflow學習（6）：CNN必備函式tf.nn.conv2d和tf.nn.max_pool

一、卷積函式tf.nn.conv2d tf.nn.conv2d( input, filter, strides, padding, use_cudnn_on_gpu=None, name=None) 除去name引數用以指定該操作的name，與方法有關的一共五個引數：第一個引數in

tensorflow學習（1）：安裝cuda版本的tensorflow並檢視版本

相關推薦