关于《深度学习之tensorflow》这本书的读书笔记
写这个笔记的目的是希望在学习这本书的路上给之后和我一样的小白做一些书中将的不是很细致的地方就行有些可疑点的解读
TensorFlow 的基本介绍我就不做记录了,直接跳过
基础篇–环境搭建
本书不是针对不了解python的初学者故安装过程的讲接有一定的跳跃性
直接安装 Anaconda 完成基本的python 运行环境的搭建,别忘了把python 加入环境变量
首先大家要有一个初步的认识,Tensorflow 框架是 区分cpu 版本和 gpu 版本的,如果你的pc 只有cpu 那么只需要安装最基本的版本就可以运行代码,cpu版本的安装也相对简单一些。gpu 版本相对复杂一些,但是还是有安装的方法的,网上和书中的安装都很官方,也许是我的理解问题,我走了不少弯路。
cpu 版本的安装
安装命令
pip install tf-nightly ---->>这个安装包会自动解决tensorflow 框架所需要的一些依赖包的问题,
pip install tensorflow —>>安装纯净的tensorflow 包。
安装完成后进入shell import 一下 就可以验证安装时否成功
ps:cpu 版本和 gpu 版本的安装过程中需要的依赖包大致相同,但是我遇到了wrapt 这个安装包已经预制安装的问题,解决办法直接uninstall 这个包就行,如果删除失败,直接全局搜索,然后删除掉就可以。如果 cpu 和gpu 版本都安装了,tensorflow 会默认调用gpu 版本的 tensorflow (以后简称 tf ),然后回驱动cuda 参与运算。安装不对会出现许多dll 的问题
GPU版本的安装
主要需要安装
顺序是 cuda—>>cudnn–>>tensorflow
前两点同cpu的,然后就时 cuda 和 cudnn
先把这两个的下载链接放上来
CUDA
https://developer.nvidia.com/cuda-toolkit-archive
cuDNN
https://developer.nvidia.com/rdp/cudnn-archive
截止到目前 pip install tensroflow-gpu 会默认安装1.13版本
先说一下指定版本的安装,首先你要知道你要安装的版本号,这个直接去tensorflow官网看就行、
附上链接–tensorflow 社区
举个例子
pip install tensorflow-gpu==1.11.0 我使用的就是这个版本
经过几天的实验,以上都失败了,最后还是用来Anaconda 安装方式
首先用管理员身份打开 prompt ,然后输入 conda install tensorflow-gpu == 1.11.0
这个安装方式需要你有的一个干净的python 环境,我当时成功的途径时卸载了python 和 anaconda ,
然后直接 conda install 的方式才成功,他会给你装好需要的一切东西,有兴趣的同学可以再试试。
验证是否安装成功,进入python shell ,
import tensorflow-gpu as tf
tf.Session()
如果出现了 你显卡的信息,就证明时就成功,当然你可以先运行一下一下这段代码试试
import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
c = a+b
#注意:allow_soft_placement=True表明:计算设备可自行选择,如果没有这个参数,会报错。
#因为不是所有的操作都可以被放在GPU上,如果强行将无法放在GPU上的操作指定到GPU上,将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))