Tensorflow 学习入门(一)环境搭建
前提需求
众所周知Tensorflow 是一项立足于CPU运算和GPU运算的AI框架而且基于GPU的Tensorflow效率更高速度更快但是搭建过程却更加烦琐。主要前提条件为一张Nvidia显卡,Nvidia 显卡的基本驱动和Cuda库。
基于CPU
基于CPU的Tensorflow 环境十分简单只需要使用一行简单的代码就可以布置
# Current stable release for CPU-only
pip install tensorflow
# Preview nightly build for CPU-only (unstable)
pip install tf-nightly
# Install TensorFlow 2.0 Alpha
pip install tensorflow==2.0.0-alpha0
一般来说我们只需要第一段代码就可以完成基于CPU的Tensorflow的环境搭建。
基于GPU
不同于CPU的Tensorflow 环境搭建非常繁琐。而且因为一定的原因,Tensorflow 官方并不支持 Macos 作为GPU运行环境,虽然有民间大神提供补丁但是仅能支持1.8版本的TF。
安装驱动
这里的驱动主要为Linux 环境下的Nvidia 驱动(Windows下的确实没啥好说的)。以下为TF官网提供的Ubuntu18.04驱动安装代码,可以说是相当贴心了。
# 添加英伟达的驱动库
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-repo-ubuntu1804_10.0.130-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1804_10.0.130-1_amd64.deb
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo apt-get update
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
sudo