DL中版本配置问题：TensorFlow、Keras、Python版本完美搭配推荐

最新推荐文章于 2024-03-21 20:14:51 发布
最新推荐文章于 2024-03-21 20:14:51 发布
阅读量5.9k 收藏 35
点赞数 10
分类专栏： DL/R
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41185868/article/details/104570883
版权

DL中版本配置问题：TensorFlow、Keras、Python版本完美搭配推荐

 

 

目录

TensorFlow、Keras、Python版本完美搭配推荐

 

 

TensorFlow、Keras、Python版本完美搭配推荐

TensorFlow 2.1.0 + Keras 2.3.1 on Python 3.6.

If no --env is provided, it uses the tensorflow-1.9 image by default, which comes with Python 3.6, Keras 2.2.0 and TensorFlow 1.9.0 pre-installed.

FrameworkEnv name (--env parameter)DescriptionDocker ImagePackages and Nvidia Settings
TensorFlow 2.1tensorflow-2.1TensorFlow 2.1.0 + Keras 2.3.1 on Python 3.6.floydhub/tensorflowTensorFlow-2.1
TensorFlow 2.0tensorflow-2.0TensorFlow 2.0.0 + Keras 2.3.1 on Python 3.6.floydhub/tensorflowTensorFlow-2.0
TensorFlow 1.15tensorflow-1.15TensorFlow 1.15.0 + Keras 2.3.1 on Python 3.6.floydhub/tensorflowTensorFlow-1.15
TensorFlow 1.14tensorflow-1.14TensorFlow 1.14.0 + Keras 2.2.5 on Python 3.6.floydhub/tensorflowTensorFlow-1.14
TensorFlow 1.13tensorflow-1.13TensorFlow 1.13.0 + Keras 2.2.4 on Python 3.6.floydhub/tensorflowTensorFlow-1.13
TensorFlow 1.12tensorflow-1.12TensorFlow 1.12.0 + Keras 2.2.4 on Python 3.6.floydhub/tensorflowTensorFlow-1.12
 tensorflow-1.12:py2TensorFlow 1.12.0 + Keras 2.2.4 on Python 2.floydhub/tensorflow 
TensorFlow 1.11tensorflow-1.11TensorFlow 1.11.0 + Keras 2.2.4 on Python 3.6.floydhub/tensorflowTensorFlow-1.11
 tensorflow-1.11:py2TensorFlow 1.11.0 + Keras 2.2.4 on Python 2.floydhub/tensorflow 
TensorFlow 1.10tensorflow-1.10TensorFlow 1.10.0 + Keras 2.2.0 on Python 3.6.floydhub/tensorflowTensorFlow-1.10
 tensorflow-1.10:py2TensorFlow 1.10.0 + Keras 2.2.0 on Python 2.floydhub/tensorflow 
TensorFlow 1.9tensorflow-1.9TensorFlow 1.9.0 + Keras 2.2.0 on Python 3.6.floydhub/tensorflowTensorFlow-1.9
 tensorflow-1.9:py2TensorFlow 1.9.0 + Keras 2.2.0 on Python 2.floydhub/tensorflow 
TensorFlow 1.8tensorflow-1.8TensorFlow 1.8.0 + Keras 2.1.6 on Python 3.6.floydhub/tensorflowTensorFlow-1.8
 tensorflow-1.8:py2TensorFlow 1.8.0 + Keras 2.1.6 on Python 2.floydhub/tensorflow 
TensorFlow 1.7tensorflow-1.7TensorFlow 1.7.0 + Keras 2.1.6 on Python 3.6.floydhub/tensorflowTensorFlow-1.7
 tensorflow-1.7:py2TensorFlow 1.7.0 + Keras 2.1.6 on Python 2.floydhub/tensorflow 
TensorFlow 1.5tensorflow-1.5TensorFlow 1.5.0 + Keras 2.1.6 on Python 3.6.floydhub/tensorflowTensorFlow-1.5
 tensorflow-1.5:py2TensorFlow 1.5.0 + Keras 2.1.6 on Python 2.floydhub/tensorflow 
TensorFlow 1.4tensorflow-1.4TensorFlow 1.4.0 + Keras 2.0.8 on Python 3.6.floydhub/tensorflow 
 tensorflow-1.4:py2TensorFlow 1.4.0 + Keras 2.0.8 on Python 2.floydhub/tensorflow 
TensorFlow 1.3tensorflow-1.3TensorFlow 1.3.0 + Keras 2.0.6 on Python 3.6.floydhub/tensorflow 
 tensorflow-1.3:py2TensorFlow 1.3.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow 
TensorFlow 1.2tensorflow-1.2TensorFlow 1.2.0 + Keras 2.0.6 on Python 3.5.floydhub/tensorflow 
 tensorflow-1.2:py2TensorFlow 1.2.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow 
TensorFlow 1.1tensorflowTensorFlow 1.1.0 + Keras 2.0.6 on Python 3.5.floydhub/tensorflow 
 tensorflow:py2TensorFlow 1.1.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow 
TensorFlow 1.0tensorflow-1.0TensorFlow 1.0.0 + Keras 2.0.6 on Python 3.5.floydhub/tensorflow 
 tensorflow-1.0:py2TensorFlow 1.0.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow 
TensorFlow 0.12tensorflow-0.12TensorFlow 0.12.1 + Keras 1.2.2 on Python 3.5.floydhub/tensorflow 
 tensorflow-0.12:py2TensorFlow 0.12.1 + Keras 1.2.2 on Python 2.floydhub/tensorflow 
PyTorch 1.4pytorch-1.4PyTorch 1.4.0 + fastai 1.0.60 on Python 3.6.floydhub/pytorchPyTorch-1.4
PyTorch 1.3pytorch-1.3PyTorch 1.3.0 + fastai 1.0.60 on Python 3.6.floydhub/pytorchPyTorch-1.3
PyTorch 1.2pytorch-1.2PyTorch 1.2.0 + fastai 1.0.60 on Python 3.6.floydhub/pytorchPyTorch-1.2
PyTorch 1.1pytorch-1.1PyTorch 1.1.0 + fastai 1.0.57 on Python 3.6.floydhub/pytorchPyTorch-1.1
PyTorch 1.0pytorch-1.0PyTorch 1.0.0 + fastai 1.0.51 on Python 3.6.floydhub/pytorchPyTorch-1.0
 pytorch-1.0:py2PyTorch 1.0.0 on Python 2.floydhub/pytorch 
PyTorch 0.4pytorch-0.4PyTorch 0.4.1 on Python 3.6.floydhub/pytorchPyTorch-0.4
 pytorch-0.4:py2PyTorch 0.4.1 on Python 2.floydhub/pytorch 
PyTorch 0.3pytorch-0.3PyTorch 0.3.1 on Python 3.6.floydhub/pytorchPyTorch-0.3
 pytorch-0.3:py2PyTorch 0.3.1 on Python 2.floydhub/pytorch 
PyTorch 0.2pytorch-0.2PyTorch 0.2.0 on Python 3.5floydhub/pytorch 
 pytorch-0.2:py2PyTorch 0.2.0 on Python 2.floydhub/pytorch 
PyTorch 0.1pytorch-0.1PyTorch 0.1.12 on Python 3.floydhub/pytorch 
 pytorch-0.1:py2PyTorch 0.1.12 on Python 2.floydhub/pytorch 
Theano 0.9theano-0.9Theano rel-0.8.2 + Keras 2.0.3 on Python3.5.floydhub/theano 
 theano-0.9:py2Theano rel-0.8.2 + Keras 2.0.3 on Python2.floydhub/theano 
CaffecaffeCaffe rc4 on Python3.5.floydhub/caffe 
 caffe:py2Caffe rc4 on Python2.floydhub/caffe 
TorchtorchTorch 7 with Python 3 env.floydhub/torch 
 torch:py2Torch 7 with Python 2 env.floydhub/torch 
Chainer 1.23chainer-1.23Chainer 1.23.0 on Python 3.floydhub/chainer 
 chainer-1.23:py2Chainer 1.23.0 on Python 2.floydhub/chainer 
Chainer 2.0chainer-2.0Chainer 1.23.0 on Python 3.floydhub/chainer 
 chainer-2.0:py2Chainer 1.23.0 on Python 2.floydhub/chainer 
MxNet 1.0mxnetMxNet 1.0.0 on Python 3.6.floydhub/mxnet 
 mxnet:py2MxNet 1.0.0 on Python 2.floydhub/mxnet 

 

所有环境都可用于CPU和GPU执行。例如,

$ floyd run --env tensorflow:py2 "python mnist_cnn.py"

在CPU上运行Python2 Tensorflow任务

$ floyd run --env tensorflow:py2 --gpu "python mnist_cnn.py"

以下软件包(除了许多其他通用库之外)可在所有环境中使用:

h5py, iPython, Jupyter, matplotlib, numpy, OpenCV, Pandas, Pillow, scikit-learn, scipy, sklearn

参考文章：https://docs.floydhub.com/guides/environments/

 

 

 

 

 

 

一个处女座的程序猿
关注
  • 10
    点赞
  • 踩
  • 35
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
（详细整理！！！！）Tensorflow与Keras、Python版本对应关系！！！
weixin_45325693的博客
04-30 1万+
（详细整理！！！！）Tensorflow与Keras、Python版本对应关系！！！
在Anaconda中升级配置合适的Python，tensorflow，keras版本
bwqiang的博客
11-28 1308
  只有选择正确匹配的Pythton、tensorflow和Keras版本，才能正确的使用。   目前我的电脑中的Python版本是3.5，tensorflow版本是1.2.0，此时匹配的Keras版本应该是2.0.6的。   具体的版本匹配问题，可以参考博客专家一个处女座的程序猿中的这篇博客DL中版本配置问题：TensorFlow、Keras、Python版本完美搭配推荐。   使用下述代码： pip uninstall keras。 pip install keras==2.0.6。显然，Kerass
记录一下自己总结tensorflow对应的keras版本
Python_madman的博客
12-28 1527
总结： tensorflow版本 &keras版本 1.2 2.11 1.3 2.12 1.4 2.13 1.5 2.14 一旦安装版本不匹配，就会在环境中出现各式各样的错误，记录一下，以便以后自己重装一顿乱下，血的教训啊，这几天装了多少版本一个个试，无敌了。 ...
TensorFlow与Keras版本问题
qq_44166163的博客
02-12 172
TensorFlow与Keras版本问题 今天使用TensorFlow时，出现一个bug: ImportError: No module named 'tensorflow.python.eager' 原来是TensorFlow与Keras版本问题，这个网站有详细的TensorFlow与Keras对应的版本： https://blog.csdn.net/qq_27921205/article/d...
深度学习与TensorFlow：TensorFlow最佳环境配置
从小白到架构师
04-27 1942
TensorFlow是由Tensor和Flow两个英文单词构成。谷歌公司首款智能芯片命名为Tensor（2021年推出），它可以构建构建适应未来的 AI/ML（人工智能/机器学习）各种应用需求。TensorFlow在2015年由谷歌公司推出，用于各类机器学习算法的编程实现。Tensor芯片推出时间要比TensorFlow晚，谷歌将首款智能芯片命名为Tensor，应该是配合TensorFlow拓展AI/ML应用市场。 Tensor原意是张肌（医学）、张量（化学），对TensorFlow来说，Tensor是张
Tensorflow/Keras/h5py报错处理
AsmallFROG的博客
03-20 6382
个人经历记录贴，若有侵请联系我谢谢。 目录Python/Tensorflow/Keras版本对应AttributeError: module 'h5py' has no attribute 'File'AttributeError: 'str' object has no attribute 'decode' Python/Tensorflow/Keras版本对应 按理说Tensorflow 2.x已经集成了Keras 如果有报错可能需要检查一下版本对应。 关于h5py，Tensorflow2.1 不支持
keras和tensorflow的匹配版本
weixin_44943389的博客
04-29 2万+
tensorflow 1.x：keras是tensorflow 1.x的一部分，可以直接与tensorflow 1.x一起使用。tensorflow 2.0 – 2.4: tensorflow 2.0及以上版本的keras已经被作为最初的api。总的来说，想要确保keras和tensorflow之间的兼容性，建议通过将两个框架安装到相同的虚拟环境中，并且使用支持兼容的版本。keras和tensorflow版本之间的匹配是非常重要的，因为它们之间的兼容性可能存在一些问题。
pervinco:使用Tensorflow和Keras进行视觉深度学习
03-27
如果代码有任何改进，请随时在“问题”中写下它们。 1.图像数据增强 卵白蛋白，熊猫，matplotlib，opencv-python等 2.图像分类 Tensorflow，Keras，Scikit学习，熊猫 3.目标检测 自定义SSD_ResNetV2 4.比赛 [Dacon...
多任务学习模型 python-keras实现 [tf-tensorflow-keras]
07-10
关键词：多输入多输出/BatchNormalization/dropout 两个不同领域输入，两个回归/分类任务， input_domain_a, input_domain_b concatenate(共享) task1:dense-BatchNormalization-dropout-dense ...
新手推荐：安装Anaconda3+tensorflow+keras+dlib+face_recognition
01-20
最近在搞这个东西，虽然网上推荐方法多得数不过来，适合新手的却廖廖而且都是坑，先简单说一下，安装这些东西，都有对应的版本，有几个版本需要相互匹配对应，否则全是错误。对于新手而言，最好方法就是从头一步到位...
机器学习：我在PyTorch，Keras，Tensorflow，scikit学习和Python中进行机器学习的项目
02-05
我还列出了我在ML / DL / AI领域策划的研究论文清单。 指数： 内容： 专案 以下是我在机器学习领域完成的项目： 名称 描述 实现不同的强化学习算法，例如DQN，Double-DQN，Dualling-DQN，蒙特卡洛，时间差等。 ...
Tensorflow和Keras版本对照及环境安装
热门推荐
wzg2016的博客
08-29 4万+
Tensorflow和Keras版本对照及环境安装
tensorflow和keras版本对应关系
张公子的博客
10-20 1万+
tensorflow和keras版本对应关系 Keras 2.3.1: Tensorflow 2.1 Tensorflow 2.0 Tensorflow 1.15 Keras 2.2.5: Tensorflow 1.14 Tensorflow 1.13 Tensorflow 1.12 Keras 2.2.4: Tensorflow 1.11 Tensorflow 1.10 Keras 2.2.0: Tensorflow 1.9
keras和tensorflow的版本匹配
wangmengmeng99的博客
10-23 3万+
在配置环境的时候出现包的版本不匹配的问题是很常见的，keras和tensorflow的版本对应关系，可参考： Framework Env name (--env parameter) Description Docker Image Packages and Nvidia Settings TensorFlow 1.14 tensorflow-1.14 T...
Keras与TensorFlow/ PyTorch/ JAX 版本对应
最新发布
maxuanzi的博客
03-21 934
tensorflow~=2.13.0 & keras~=2.13.0 tensorflow~=2.14.0 & keras~=2.14.0 tensorflow~=2.15.0 & keras~=2.15.0 tensorflow~=2.15.0 & keras~=3.0.0 tensorflow~=2.16.1 & keras~=3.0.0torch~=2.1.0 & keras~=3.0.0 jax==0.4.20 & keras~=3.0.0
深度学习1 基于h5py使用数据迭代器训练超过内存的数据
a486259的博客
01-05 671
背景 在使用keras训练图像数据时，通常使用ImageDataGenerator()的方式迭代目录，分批次读取。而对于容量超大甚至超过内存数组文件（npy文件或者mat文件）时无法通过文件迭代器来分批次读取，因此提出该方法。 解决方法 1、安装h5py库 使用该命令：pip install h5py 2、将数组文件载入内容重新保存为h5py文件。分批次将数组存为h5py的方法可以查阅https://blog.csdn.net/a486259/article/details/86154857...
tensorflow与keras对应关系
Loong Cheng的博客
07-21 5232
https://docs.floydhub.com/guides/environments/ keras <= 2.3.1的版本，没有model.weight_load函数
如何绕开from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Conv1D, MaxPooling1D, Flatten, Dense这些库，我的python无法调用这些库
06-01
如果你无法使用 `tensorflow.keras` 库中的模块，你可以尝试使用其他深度学习框架，例如PyTorch或CNTK，或者使用更基础的Python库来手动实现这些层的功能。 以下是一个使用基础Python库手动实现CNN模型的示例： ``...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

一个处女座的程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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