一、下载安装Anaconda
下载地址:https://repo.anaconda.com/archive/?C=M&O=A
下载Anaconda3-2021.11-Windows-x86_64.exe版本
傻瓜式安装,一直下一步即可安装完成
二、在Anaconda下安装tensorflow2
1.创建虚拟环境
创建一个新的环境安装tensorflow2,打开anaconda prompt,输入:
conda create -n tf2 python=3.9
查看安装好的环境:
conda info -e
激活创建的环境:
activate tf2
2.更新pip
输入:
python.exe -m pip install --upgrade pip
3.安装tensorflow2
pip install tensorflow==2.10
指定版本为2.10 (默认安装新版本2.11版本,这个版本太新,还不支持GPU。)
4.验证安装成功
import tensorflow as tf
print(tf.__version__)
这将输出tensorflow的版本号,确保安装成功。
注:安装过程可能存在的问题
使用GPU的情况:
安装tensorflow:
pip install tensorflow
默认安装新版本2.11版本,这个版本太新,还不支持GPU。
如果使用GPU,则先删除已经下好的2.11版本:
pip uninstall tensorflow
再安装指定版本:
pip install tensorflow==2.10
测试GPU版本是否正常运行:
print(tf.config.list_physical_devices('GPU'))
输出结果为:
PhysicalDevice(name='/physical_device:CPU:0',device_type='GPU')]
则说明GPU版本正常运行。
三、测试CPU运行速度
由于目前所使用的电脑无GPU,故只能使用CPU进行计算。
测试代码,如下图所示:
import tensorflow as tf
import timeit
#指定在cpu上运行
def cpu_run():
with tf.device('/cpu:0'):
cpu_a = tf.random.normal([10000, 1000])
cpu_b = tf.random.normal([1000, 2000])
cpu_c = tf.matmul(cpu_a, cpu_b)
# print("cpu_a: ", cpu_a.device)
# print("cpu_b: ", cpu_b.device)
# print("cpu_c: ", cpu_c.device)
return cpu_c
cpu_time = timeit.timeit(lambda: cpu_run, number = 10)
print('cpu:', cpu_time)
四、机器学习样例测试
样例代码
import tensorflow as tf
#加载并准备 MNIST 数据集。将样本数据从整数转换为浮点数:
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
model.summary()
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train,y_train,epochs=5)
model.evaluate(x_test,y_test)