3.6Javascript函数-局部变量和全局变量

局部变量和全局变量
局部变量在函数内,只能在当前函数中使用,不再被使用到的时候会被销毁。
全局变量在函数外,任何地方都可以使用


<script>
    var n = 10; m = 10;//全局变量  任何地方都可以使用
    function demo(){
        var i = 10;//局部变量 只能在当前函数中使用
        x = 10;//全局变量 任何地方都可以使用
    }
</script>

一定要demo()被调用了,x才叫全局变量

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 要安装tensorflow-gpu,需要按照以下步骤进行操作: 1. 首先,确保你已经安装了Python3.6版本。 2. 安装CUDA Toolkit和cuDNN。这两个软件包是必须的,因为tensorflow-gpu需要它们来加速计算。你可以在NVIDIA官网上下载它们。 3. 安装tensorflow-gpu。你可以使用pip命令来安装它。在命令行中输入以下命令: pip install tensorflow-gpu 4. 安装完成后,你可以在Python中导入tensorflow-gpu模块并开始使用它。 注意:安装tensorflow-gpu需要一定的计算机配置和技术水平,如果你不确定自己是否具备条件,请先了解相关知识再进行操作。 ### 回答2: TensorFlow是一个广泛使用的机器学习框架,比较适合大规模的数据处理和神经网络训练。GPU的作用在于加速运算,提高训练速度。Python3.6是不少人使用的版本,下面将介绍如何在Python3.6上安装TensorFlow-gpu。 1. 前置条件 - 安装合适版本的CUDA - 安装 cuDNN 安装CUDA和cuDNN是零部件。对于不同版本的TensorFlow,需要对应版本的CUDA和cuDNN。可以在TensorFlow官方网站上得到这些信息。 2. 安装Anaconda 在Python3.6上安装TensorFlow-gpu首先需要安装Anaconda。可以在Anaconda官方网站下载合适的版本。安装完成后,可以启动Anaconda命令行界面,然后输入以下命令创建一个虚拟环境: conda create -n tensorflow-gpu python=3.6 其中,tensorflow-gpu是虚拟环境的名称,python=3.6是指定Python的版本。 3. 激活虚拟环境 虚拟环境被创建后,需要激活虚拟环境。输入以下命令: activate tensorflow-gpu 其中,tensorflow-gpu是虚拟环境的名称。 4. 安装TensorFlow-gpu 在激活的虚拟环境下,可以使用pip来安装TensorFlow-gpu: pip install tensorflow-gpu 如果需要安装TensorFlow的CPU版本,可以使用以下命令: pip install tensorflow 5. 测试安装 安装完成后,需要进行简单的测试,以确定TensorFlow是否能正常工作。可以在Anaconda命令行界面下打开Python交互环境,输入以下代码: import tensorflow as tf tf.__version__ 如果能正确输出TensorFlow的版本号,说明TensorFlow-gpu已经成功安装。 总结 在Python3.6上安装TensorFlow-gpu需要更多的步骤,比较繁琐。但只要遵循以上的步骤,就可以成功安装。安装TensorFlow-gpu后,在处理大量数据或进行神经网络训练时会大大提高运算速度,提高效率。 ### 回答3: Python是当今最流行的编程语言之一,它有丰富的库和框架,其中TensorFlow是最流行的深度学习框架之一。在训练大型深度学习模型时,使用GPU可以大大加速模型训练。 本文将介绍如何在Python 3.6中安装TensorFlow-GPU。 第一步:安装CUDA和cuDNN 在安装TensorFlow-GPU之前,需要安装CUDA和cuDNN,因为TensorFlow-GPU需要使用它们来加速GPU计算。CUDA是NVidia开发的一种并行计算平台和编程模型,cuDNN是NVidia深度学习库的一部分,提供了高效的卷积神经网络实现。 可以从Nvidia官网(https://developer.nvidia.com/cuda-downloads)下载和安装CUDA。选择正确的操作系统和安装文件,按照提示安装即可。 然后,从NVidia的开发者网站(https://developer.nvidia.com/rdp/cudnn-archive)下载正确版本的cuDNN,将解压后的文件复制到安装CUDA的文件夹中即可。 第二步:安装Anaconda或Miniconda Anaconda和Miniconda是包管理和环境管理工具,可以方便地安装和管理Python包。可以从Anaconda或Miniconda的官网(https://www.anaconda.com/download/ 或 https://docs.conda.io/en/latest/miniconda.html)下载安装程序,然后按照提示安装即可。 第三步:创建虚拟环境 为了避免出现包版本不兼容的问题,可以在安装TensorFlow-GPU之前创建一个虚拟环境。在终端中输入以下命令创建一个名为“tf”虚拟环境: conda create -n tf python=3.6 然后用以下命令激活虚拟环境: source activate tf 第四步:安装TensorFlow-GPU 打开终端并输入以下命令安装TensorFlow-GPU: pip install tensorflow-gpu==1.13.1 注意,版本号可能会随着时间而变化,应该使用适合的版本。 第五步:测试TensorFlow-GPU 在Python脚本中输入以下代码以测试TensorFlow-GPU是否正常工作: import tensorflow as tf print(tf.test.is_gpu_available()) 如果输出结果为True,则表示TensorFlow-GPU已成功安装和配置。如果输出结果为False,则可能存在一些配置问题。 总之,安装TensorFlow-GPU可能会有一些挑战,因为它涉及到许多依赖项和环境变量设置。但如果按照上面的步骤进行,就可以很快地安装和配置它。这样,可以用几乎比CPU快100倍的速度训练深度学习模型了。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值