windows下,编译c++版本的tensorflow(cpu版本)

花了整整一天的时间,终于编译好了c++版本的tensorflow,下面将给出我的整个编译过程,我只能说过程很艰辛,查了很多资料,不过最后总算是成功了,功夫不负有心人。下面将给我的编译过程:

参考博客:

https://blog.csdn.net/jiugeshao/article/details/79144438

https://www.jianshu.com/p/3549c8e9cc15

http://blog.csdn.net/xihuaxi/article/details/62217011

https://www.cnblogs.com/dongsheng/p/4011145.html

一、需要的工具

1.cmake-3.10.1 (下载链接:https://github.com/Kitware/CMake/releases)

       选择cmake-3.10.1-win64-x64.zip

2. swigwin-3.0.12(下载链接:http://www.linuxfromscratch.org/blfs/view/cvs/general/swig.html

3. VS2017

4. 下载tensorflow1.3源码(链接https://github.com/tensorflow/tensorflow/releases

注意:安装好cmake和swigwin后,将对应路径添加到环境变量中去

二、编译过程

1.打开cmake-gui

 

先点击configure,然后按照图示勾选tensorflow目录下的选项

注意一定要勾选tensorflow_BUILD_SHARED_LIB,勾选了这个之后,最后才会生成一个总体的tensorflow.dll,不然的话,生成的都是分散的文件。

然后再点击configure和generate

然后点击 Open Project,打开解决方案,现在先别急着点生成

  • 3
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
TensorFlow-GPU是一种针对图形处理单元(GPU)进行优化的TensorFlow版本。相比于普通的TensorFlow,TensorFlow-GPU可以在使用GPU进行计算时提供更高的性能和更快的运行速度。 TensorFlow-GPU的优势主要体现在以下几个方面: 1. 并行计算能力:GPU适用于并行计算任务,TensorFlow-GPU能够利用GPU的并行计算能力,提高计算效率。在训练深度学习模型时,TensorFlow-GPU能够显著缩短模型训练的时间。 2. 大规模数据处理:在处理大规模的数据集时,TensorFlow-GPU能够更快地进行计算和模型训练。由于GPU的高并行计算能力,可以同时处理多个数据样本,并行化处理过程。 3. 高性能计算:TensorFlow-GPU通过针对具体GPU硬件的优化,能够充分发挥GPU的计算能力。这使得TensorFlow-GPU在计算密集型任务上具有明显的优势,在科学计算、深度学习等领域得到广泛应用。 4. 灵活性和易用性:TensorFlow-GPU兼容普通的TensorFlow代码,并且提供了额外的GPU加速功能。用户只需将代码中的TensorFlow库替换为TensorFlow-GPU库,并配置好GPU相关的环境,即可享受GPU加速带来的性能提升,无需修改大量代码。 总之,TensorFlow-GPU是在TensorFlow基础上针对GPU进行优化的版本,能够充分发挥GPU的并行计算能力,提供更高的性能和更快的运行速度。对于需要处理大规模数据集、进行深度学习和科学计算任务的用户来说,TensorFlow-GPU是一种非常有价值的工具。

“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 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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