动手学深度学习(PyTorch版本)
PyTorch Official tutorials
PyTorch中文网
PyTorch学习资源汇总
动手学深度学习(TensorFlow2.0版本)
Keras中文文档|Keras英文文档
TensorFlow中文官方文档
TensorFlow指南
TensorFlow
TensorFlow分为CPU版本和GPU版本。GPU版本的TensorFlow可以利用NVIDIA GPU强大的计算加速能力,使TensorFlow的运行更为高效,尤其是可以成倍提升模型训练的速度。
1.在Anaconda Prompt
中,用Anaconda3创建一个python3.7环境,环境名称为TF2.1:
conda create -n TF2.1 python=3.7
- 查看已当前安装的环境变量:
python conda info --envs
- 移除已安装的环境:
python conda remove –n tensorflow --all
2.在Anaconda Prompt
中启动TF2.1
环境:
conda activate TF2.1
3.安装GPU版本TensorFlow(安装CPU版本可跳过这步)
安装英伟达的SDK 10.1版:
conda install cudatoolkit=10.1
安装英伟达深度学习软件包7.6版本:
conda install cudnn=7.6
仅用于兼容的英伟达GPU。如上面两条安装语句报错了,很可能是电脑硬件不支持英伟达GPU,可以跳过这两步,直接安装TersorFlow。
4.安装TensorFlow,指定2.1版本
conda install tensorflow==2.1
当不使用TensorFlow时,可以通过deactivate来关闭TensorFlow环境:
conda deactivate
测试
打开Anaconda Prompt,执行conda activate TF2.1
来启动TF2.1,执行python
并进入python环境,测试代码:
import tensorflow as tf
tf.__version__
IDE
-
为TF2.1环境安装IPython、Spyder和Jupyter
打开Anaconda Navigator—>Environments—>TF2.1
,选择Not installed,找到ipython
和spyder
以及jupyter
并安装。- 为了让Jupyter Notebook支持虚拟运行环境,需要安装一个插件nb_conda,打开prompt,执行
conda install nb_conda
- 为了让Jupyter Notebook支持虚拟运行环境,需要安装一个插件nb_conda,打开prompt,执行
-
安装PyCharm
安装后配置环境变量:
新建工程
- 设置工程路径
- 设置环境变量:用刚刚配置好的conda环境,选择TF2.1中的python作为解释器
PyTorch
- PyTorch是Torch在Python上的衍生
- Torch是一个使用Lua语言的神经网络库
- PyTorch是在神经网络领域可以用来替换numpy的模块
1. 创建一个Python环境,命名为PyTorch
conda create -n Pytorch python=3.6
# 环境名称:Pytorch python版本:3.6
2. 激活新建的环境
conda activate Pytorch
3. 安装PyTorch
打开PyTorch官网,通过选择版本信息获得安装指令:如果电脑没有英伟达显卡,则安装CPU版本,CUDA选None(查看显卡:我的电脑—属性—设备管理器—显示适配器)。
依据以上提供的安装指令:
附注:GPU版本安装