Anaconda3配置TensorFlow深度学习库

前言:目前Google已经发布了TensorFlow的Windows版本,只支持64位Python3.5,我们使用Anaconda3配置使用。

1.下载Anaconda3并打开Anaconda Navigator

URL:https://www.continuum.io/downloads

2.新建TensorFlow环境

3.打开TensorFlow终端

并输入以下命令

pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.1-cp35-cp35m-win_amd64.whl

在PC联网的情况下下载依赖包,如下图最后会出现成功提示

4. 安装成功环境测试

测试代码如下:(官网给的是单引号,需要改为双引号)

python -c "import os; import inspect; import tensorflow; print(os.path.dirname(inspect.getfile(tensorflow)))"

显示如下:

5.案例测试

输入Python在3.5.2的环境下做测试

测试代码示例:

import tensorflow as tf
>>> hello =tf.constant("Hello TensorFlow~")
>>> soss=tf.Session()
>>> print(soss.run(hello))
b‘Hello TensorFlow~‘
>>> a=tf.constant(10)
>>> b=tf.constant(32)
>>> print(soss.run(a+b))  #輸出42
时间: 2024-10-10 12:06:28

Anaconda3配置TensorFlow深度学习库的相关文章

windows10配置tensorflow深度学习环境(GPU版)各种坑

我们配置一个tensorflow-gpu版的深度学习环境 windows10 64 python3.5 vs2017(需要C++部分) cuda9.0 cudnn7.1 GeForce GTX1060 1.安装python 我们选择python3.5,直接从官网下载windows10版本的安装就行,可以选择默认安装路径,并添加环境变量. 测试打卡cmd,输入python,输出python的版本信息 则安装成功 2.安装vs2017 3.安装cuda 首先要确保你的电脑上装了一块差不多的显卡 我们

64位Win7下安装并配置Python3的深度学习库:Theano

注:本文全原创,作者:ZMAN  (http://www.cnblogs.com/zmanone/) 这两天在安装Python的深度学习库:Theano.尝试了好多遍,CMake.MinGW.BLAS.APLACK等等都装了试着自己编译,网上教程也搜了一大堆,但都没成功.昨晚回家清理干净电脑,又小心翼翼地装了一遍,成功,今天来公司又装了一遍,也成功,现把步骤记录如下: (注:本步骤适用于WIN7 64位操作系统,Python版本为3.4.3 64bit) 1. 请将电脑清理干净.包括之前装的Mi

深度学习库比较

  深度学习库比较 库名 主语言 从语言 速度 灵活性 文档 适合模型 平台 上手难易 开发者 模式 Tensorflo C++ cuda/python 中等 好 中等 CNN/RNN Linux,OSX 难 Google 分布式/声明式 Caffe C++ cuda/python/Matlab 快 一般 全面 CNN 所有系统 中等 贾杨清 声明式 PyTorc python C/C++ 中等 好 中等 - -- 中等 FaceBook   MXNet c++ cuda/R/julia 快 好

python-灰色预测平均房价趋势kera深度学习库的介绍

#######编程环境:Anaconda3 (64-bit)->Spyder(python3.5)from keras.models import Sequential #引入keras库 from keras.layers.core import Dense, Activation model = Sequential() #建立模型 model.add(Dense(12,input_dim=2)) #输入层2节点,隐藏层12个节点(这个节点数可以自行设置)model.add(Activati

(转) TensorFlow深度学习,一篇文章就够了

TensorFlow深度学习,一篇文章就够了 2016/09/22 · IT技术 · TensorFlow, 深度学习 分享到:6 原文出处: 我爱计算机 (@tobe迪豪 ) 作者: 陈迪豪,就职小米科技,深度学习工程师,TensorFlow代码提交者. TensorFlow深度学习框架 Google不仅是大数据和云计算的领导者,在机器学习和深度学习上也有很好的实践和积累,在2015年年底开源了内部使用的深度学习框架TensorFlow. 与Caffe.Theano.Torch.MXNet等框

问题集录--TensorFlow深度学习

TensorFlow深度学习框架 Google不仅是大数据和云计算的领导者,在机器学习和深度学习上也有很好的实践和积累,在2015年年底开源了内部使用的深度学习框架TensorFlow. 与Caffe.Theano.Torch.MXNet等框架相比,TensorFlow在Github上Fork数和Star数都是最多的,而且在图形分类.音频处理.推荐系统和自然语言处理等场景下都有丰富的应用.最近流行的Keras框架底层默认使用TensorFlow,著名的斯坦福CS231n课程使用TensorFlo

百度DMLC分布式深度机器学习开源项目(简称“深盟”)上线了如xgboost(速度快效果好的Boosting模型)、CXXNET(极致的C++深度学习库)、Minerva(高效灵活的并行深度学习引擎)以及Parameter Server(一小时训练600T数据)等产品,在语音识别、OCR识别、人脸识别以及计算效率提升上发布了多个成熟产品。

百度为何开源深度机器学习平台? 有一系列领先优势的百度却选择开源其深度机器学习平台,为何交底自己的核心技术?深思之下,却是在面对业界无奈时的远见之举. 5月20日,百度在github上开源了其深度机器学习平台.此番发布的深度机器学习开源平台属于"深盟"的开源组织,其核心开发者来自百度深度学习研究院(IDL),微软亚洲研究院.华盛顿大学.纽约大学.香港科技大学,卡耐基·梅陇大学等知名公司和高校. 通过这一开源平台,世界各地的开发者们可以免费获得更优质和更容易使用的分布式机器学习算法源码,

各种编程语言的深度学习库整理

Python 1. Theano是一个python类库,用数组向量来定义和计算数学表达式.它使得在Python环境下编写深度学习算法变得简单.在它基础之上还搭建了许多类库. 1.Keras是一个简洁.高度模块化的神经网络库,它的设计参考了Torch,用Python语言编写,支持调用GPU和CPU优化后的Theano运算. 2.Pylearn2是一个集成大量深度学习常见模型和训练算法的库,如随机梯度下降等.它的功能库都是基于Theano之上. 3.Lasagne是一个搭建和训练神经网络的轻量级封装

mxnet深度学习库简介

摘要: MXNet是一个深度学习库, 支持C++, Python, R, Scala, Julia, Matlab以及JavaScript等语言; 支持命令和符号编程; 可以运行在CPU,GPU,集群,服务器,台式机或者移动设备上. mxnet是cxxnet的下一代, cxxnet借鉴了Caffe的思想, 但是在实现上更加干净. MXNet安装: 这里针对的是Ubuntu 12+以上的系统的安装过程, 首先安装git(如果你电脑上还没有的话): # Install git if not alre