tensorflow2.使用笔记

python + tensorflow谁用谁知道

0. 机器爱学习

目前，TensorFlow 和PyTorch 框架是业界使用最为广泛的两个深度学习框架，TensorFlow 是Google 于2015 年发布的深度学习框架，得益于Google 的影响力和发布时间早积累了大量开发者。同时在TensorFlow1.0 版本时期，Facebook 基于Torch 框架推出PyTorch ，接口设计精良，获得广泛好评，不过由于Facebook 隐私泄露问题，加上TensorFlow 2.0的发布，TensorFlow 的使用程度依然比PyTorch 广泛，所以P为辅主T技能。

1. Tensorflow环境

• tensorflow+CUDA+cuDNN

  在安装tensorflow 之前需要安装NVIDIA 提供的GPU 加速库CUDA 程序和cuDNN 神经网络加速库，并配置Path环境变量。

  在windows10环境下，直接在环境里安装cpu和gpu版本两个版本即可，注意最好是相同的版本号。

  不过NVIDIA显卡驱动中是自带CUDA的，自行安装可能是直接调用API和间接调用的区别，如果遇到tensorflow+CUDA+cuDNN版本问题的报错，最快的解决办法是删除tensorflow和tensorflow-gpu，直接用conda安装。

  conda install tensorflow-gpu
  

• 关于Could not create cudnn handle:之类的报错

  如果后面说的是dll文件找不到，这种情况就是版本不匹配造成的报错，对应的dll文件名字有变动，这些地方设计的不太好，重新下载对应版本就行，很浪费时间，但是没得选。

  如果是CUDNN_STATUS_ALLOC_FAILED，如下设置为仅在需要时申请显存即可。

  # 设置为仅在需要时申请显存
  # 限制GPU资源的使用，此处allow_growth=True是动态分配显存，需要多少，申请多少，不是一成不变、而是一直变化
  config = tf.compat.v1.ConfigProto(gpu_options=tf.compat.v1.GPUOptions(allow_growth=True))
  sess = tf.compat.v1.Session(config=config)
  

• 在Linux环境下（ubuntu20.04）

  环境变量根目录下.bashrc文件：
  sudo gedit ~/.bashrc

  安装多版本cuda：

  # 查询CUDA版本号
  apt-cache madison cuda
  # 安装指定版本CUDA
  sudo apt-get install cuda=10.0.130-1
  # 修改环境变量即可
  

2. cpu和gpu的切换

tensorflow优先使用gpu版本，如果仅仅用tf做简单的处理（如最小二乘法拟合函数），cpu明显少调用些许文件，执行比gpu版本快，可用如下办法切换至cpu：

import os 
#下面这行注释掉就是使用gpu，不注释就是使用cpu
os.environ [ "CUDA_VISIBLE_DEVICES" ] = "-1"                                          

3. …