TensorFlow安装解惑
本文整理自网络,若有侵犯请告知。
1.安装环境
目前TensorFlow社区推荐的环境是Ubuntu, 但是TensorFlow同时支持Mac，Windows上的安装部署。
2.关于GPU版本
因为深度学习计算过程，大量的操作是向量和矩阵的计算，而GPU在向量和矩阵计算方面比CPU有一个数量级的速度提升，所以深度学习在GPU上运算效率更高。
3.cuda简介
显卡厂商NVIDIA推出的运算平台CUDA(Compute Unified Device Architecture)，是一种通用的并行计算架构，该架构使GPU能够解决复杂的计算问题，它包含了CUDA指令集以及GPU内部的并行计算引擎。提供了硬件的直接访问接口，而不必像传统方式一样必须依赖图形API接口来实现GPU的访问，从而给大规模的数据计算应用提供了一种比CPU更加强大的计算能力。程序开发人员通过c语言，利用CUDA的指令接口，就可以编写CUDA架构的程序。
4.cudnn简介
CuDNN的全称是CUDA Deep Neural Network library，CuDNN是专门针对深度学习框架设计的一套GPU计算加速方案，最新版本的CuDNN提供了对深度神经网络中的向前向后的卷积，池化，以及RNN的性能优化。目前大部分深度学习框架都支持CuDNN。
目前包括TensorFlow在内的大部分深度学习框架，都支持CUDA。所以，为了让我们的深度神经网络的程序在TensorFlow上跑的更加好，推荐配置至少一块支持CUDA和CuDNN的NVIDIA的显卡。
5.相关插件版本
Tensorflow的Python语言API支持Python2.7和Python3.3以上的版本。GUP版本推荐使用Cuda Toolkit 8.0和CuDNN v5.版本，Cuda和CuDNN的其他版本也支持，不过需要通过自己编译源代码的方式安装。
6.pip工具
pip是用来安装和管理Python包的管理工具。TensorFlow可以很方便的通过Pip来安装。
最新文章
- JAVA设计模式之3-抽象工厂模式
- iOS多线程同步锁
- iOS两个框架之间的类型转换--"桥接"技术
- C和C++中结构体(struct)、联合体(union)、枚举(enum)的区别
- python 复杂表达式，以及表单的处理
- WingIde的快捷键
- AVG()和to_date()函数的使用
- Android 内核初识(2)android系统架构
- 【转】 自定义iOS7导航栏背景,标题和返回按钮文字颜色
- WPF换肤之四：界面设计和代码设计分离
- Myeclipse它显示了一个目录的结构，而不是包
- libguestfs-tools 虚拟机磁盘管理工具
- Python进阶之迭代器和生成器
- Django——ContentType及ContentType-signals的使用
- 当今商业中使用的三种十分重要的IT应用系统
- 开启telnet
- HDU4560 二分最大流
- java解析html的table
- div中文字上下居中
- unity延时方法