Tensorlow2.0特性
-
模型的建立与调试: 使用动态图模式 Eager Execution 和著名的神经网络高层 API 框架 Keras,结合可视化工具 TensorBoard,简易、快速地建立和调试模型;
-
模型的训练: 支持 CPU / 单 GPU / 单机多卡 GPU / 多机集群 / TPU 训练模型,充分利用海量数据和计算资源进行高效训练;
-
模型的部署: 通过 TensorFlow Serving、TensorFlow Lite、TensorFlow.js 等组件,使 TensorFlow 模型能够无缝地部署到服务器、移动端、嵌入式端和网页端等多种使用场景;
-
预训练模型调用: 通过 TensorFlow Hub 和 Tensor2Tensor,可以方便地调用预训练完毕的已有成熟模型。
Tensorflow安装
1.下载并安装Anaconda,下载链接:https://www.anaconda.com/
2.打开开始菜单中的 “Anaconda Prompt” 进入 Anaconda 的命令行环境,使用 Anaconda 自带的 conda 包管理器建立一个 Conda 虚拟环境,并进入该虚拟环境。在命令行下输入:
# windows:
# conda create --name tf2 # “tf2”是你建立的conda虚拟环境的名字
# activate tf2 # 进入名为“tf2”的conda虚拟环境
# linux或者Mac
# source activate tf2
3.使用 Python 包管理器 pip 安装 TensorFlow。在命令行下输入:
# pip install tensorflow==2.0.0
在国内环境下,推荐使用国内的 pypi 镜像和 Anaconda 镜像,将显著提升 pip 和 conda 的下载速度;
清华大学的 pypi 镜像:https://mirrors.tuna.tsinghua.edu.cn/help/pypi/
清华大学的 Anaconda 镜像:https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
# pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.0.0
启动jupyter
在命令行下输入:
# jupyter notebook