Tensorflow和其对应的keras版本

最新推荐文章于 2024-06-26 10:28:26 发布
最新推荐文章于 2024-06-26 10:28:26 发布
阅读量3.9k 收藏 9
点赞数 1
分类专栏： 人工智能
原文链接：https://docs.floydhub.com/guides/environments/
版权

找到tensorflow对应的keras，下载就可以了。另外据说tersorflow2已经集成了keras，不用另外安装了，直接用就可以，推荐一本书《深度学习实战 基于tersorflow2.0的人工智能开发应用》，使用keras,只需要import。

参考网址：https://docs.floydhub.com/guides/environments/

FrameworkEnv name (--env parameter)DescriptionDocker ImagePackages and Nvidia Settings
TensorFlow 2.2tensorflow-2.2TensorFlow 2.2.0 + Keras 2.3.1 on Python 3.7.floydhub/tensorflowTensorFlow-2.2
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 1.5pytorch-1.5PyTorch 1.5.0 + fastai 1.0.61 on Python 3.7.floydhub/pytorchPyTorch-1.5
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
william118
关注
  • 1
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Keras与TensorFlow对应版本一览
Student_PAN的博客
07-12 5650
keras与TensorFlow版本对应表 首先放上链接：链接
Tensorflow2.4+Keras2.4(Python3.8.3).zip
03-18
TensorFlow 2.4 和 Keras 2.4 是两个重要的深度学习库，它们在Python 3.8.3环境中得到了广泛的应用。这个压缩包文件包含的是一套预配置的库，用户可以直接将它们移动到Python的site-packages目录下，以避免复杂的...
python、tensorflow、keras的版本对应关系
qq_58677554的博客
05-21 2080
快捷查找python、tensorflow、keras的版本对应关系，以及内置的keras、独立的keras使用方法。
keras和tensorflow对应版本
xcxhy的博客
09-13 894
TensorFlow 1.14.0 + Keras 2.2.5 on Python 3.6. TensorFlow 1.13.0 + Keras 2.2.4 on Python 3.6. TensorFlow 1.12.0 + Keras 2.2.4 on Python 3.6. TensorFlow 1.12.0 + Keras 2.2.4 on Python 2. TensorFlow 1.11.0 + Keras 2.2.4 on Python 3.6. TensorFlow 1.11.0
tensorflow和keras版本对应关系，以后就可以轻松解决版本冲突了
最新发布
qq_30895747的博客
06-26 1104
TensorFlow拥有完整的生态系统，包括TensorFlow Hub（用于共享机器学习模型）、TensorFlow Lite（用于移动和嵌入式设备上的机器学习）、TensorFlow Research Cloud（提供高性能计算资源）等。请注意，以上优缺点是基于当前TensorFlow的版本和普遍用户反馈总结的，随着TensorFlow的不断更新和发展，这些优缺点可能会有所变化。综上所述，TensorFlow是一个功能强大、灵活且易于使用的机器学习框架，广泛应用于各种领域，并得到了广泛的社区支持。
AttributeError: module 'keras.backend' has no attribute 'control_flow_ops'的解决办法
weixin_38698995的博客
12-14 3963
解决错误：AttributeError: module 'keras.backend' has no attribute 'control_flow_ops'keras和tensorflow的版本对应关系，可参考： 出自Keras-YOLOv3的代码，原因在于keras版本和tensorflow不对应 keras和tensorflow的版本对应关系，可参考： ： Framework Env nam...
TensorFlow与Keras版本对应
fu_jian_ping的博客
07-30 8324
Framework Env name (--env parameter) Description Docker Image Packages and Nvidia Settings TensorFlow 2.2 tensorflow-2.2 TensorFlow 2.2.0 + Keras 2.3.1 on Python 3.7. floydhub/tensorflow TensorFlow-2.2 TensorFlow 2.1 tensorfl
我的tensorflow版本是2.10.0，from tensorflow.keras.layers import Dense, Flatten, Conv2D from tensorflow.ker...
weixin_35756637的博客
02-13 1602
这个错误可能是由于你的TensorFlow版本与keras版本不兼容造成的。从TensorFlow 2.3.0开始，keras已经被整合到TensorFlow中，因此你可以直接从TensorFlow中导入keras层。 如果你仍然使用旧版本的TensorFlow(2.10.0)，你可能需要安装独立的keras库。要安装keras，请在命令行中运行以下命令： pipinstall keras 然后...
使用TensorFlow2.0中的Keras实现基于BiLSTM-CRF的NER
05-21
概述 使用TensorFlow2.1.0实现BiLSTM-CRF命名实体识别模型。...另外，还实现了对应的度量指标F1-Score，即metrics.py文件下的IOBESF1类，使用方法与Keras中其他度量指标类似。 其他 数据集：msra_ner，完整数据集下载
解决Keras 与 Tensorflow 版本之间的兼容性问题
01-20
在利用Keras进行实验的时候，后端为Tensorflow，出现了以下问题： ...怀疑实验结果的异常性是由于Keras和Tensorflow版本之间的兼容性导致的。查阅网上资料，借鉴他人的经验，将服务器端的Anaconda环
在 TensorFlow 和 Keras 中微调预训练模型.docx
05-29
在 TensorFlow 和 Keras 中，微调预训练模型是一种有效的机器学习策略，特别是在处理自定义数据集时。预训练模型通常是基于大规模数据集如 ImageNet 训练的，这些模型已经学习到了丰富的视觉特征，可以应用于各种...
将keras的项目代码移植到tensorflow的tf.keras需要注意的问题
01-20
总的来说，从Keras迁移到TensorFlow的tf.keras，主要关注点在于模块导入的方式和API的变更。虽然大部分代码可以通过简单的调整兼容，但部分特定功能可能需要查找对应的tf.keras实现。在实际操作中，务必测试每个修改...
tensorflow和keras版本的对应关系
weixin_42394925的博客
10-04 1332
查看原文：https://blog.csdn.net/douzi949389/article/details/108146536?utm_medium=distribute.pc_relevant.none-task-blog-BlogCfData-3.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCfData-3.nonecase TensorFlow 2.2 tensorflow-2.2 TensorF
Tensorflow和Keras版本对照及环境安装
XF的博客
02-23 6566
Tensorflow和Keras版本对照及环境安装
[python]tensorflow与keras对应关系表
FL1768317420的博客
03-28 1298
2.102.10.02.92.9.02.82.8.02.72.7.02.62.6.02.52.52.42.4.32.32.4.32.22.3.12.12.3.12.02.3.11.152.3.11.142.2.51.132.2.41.122.2.41.112.2.41.102.2.01.92.2.01.82.1.61.72.1.61.52.1.61.42.0.81.32.0.6。
tensorflow(cpu版本）+keras 的安装
weixin_46847902的博客
04-30 3275
虚拟环境的创建、tensorflow （cpu版本）的安装、keras的安装
记录一下自己总结tensorflow对应的keras版本
Python_madman的博客
12-28 1531
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。 ...
深度学习——tensoeflow2.10.0版本keras常见问题解决方法
yangnanjie的博客
11-18 6622
针对出现的ModuleNotFoundError: No module named 'keras.api'; 'keras' is not a package问题，基于tensorflow2.10.0版本的keras的调用。
tensorflow-gpu和keras版本对应
06-28
### 回答1： TensorFlow-GPU和Keras版本对应如下： TensorFlow-GPU 1.13.1对应Keras 2.2.4 TensorFlow-GPU 1.14.对应Keras 2.3. TensorFlow-GPU 2..对应Keras 2.3.1 TensorFlow-GPU 2.1.对应Keras 2.3.1 TensorFlow-GPU 2.2.对应Keras 2.4. 注意：以上版本仅供参考，具体版本对应关系可能会因为不同的环境和配置而有所不同。建议在使用时查看官方文档或者参考其他可靠来源。 ### 回答2： TensorFlow-GPU是深度学习框架TensorFlow的加速版本，它使用GPU加速模型的训练和推理，可以提高训练速度和模型性能。而Keras是一种用于构建神经网络的高级API，它可以运行在多个深度学习框架之上，包括TensorFlow。 TensorFlow-GPU和Keras的版本需要对应才能正常运行。具体而言，如果您使用的是TensorFlow-GPU 1.13，则您需要使用Keras 2.2.4，使用TensorFlow-GPU 2.0时需要使用Keras 2.3.1版本。如果您安装的版本不对应，这可能会导致您的代码无法运行或产生意料之外的结果。 在安装TensorFlow-GPU和Keras时，最好使用Anaconda、pip或conda等软件包管理器来安装，这样可以方便地安装对应版本的包。同时，在安装之前，建议先查看文档和官方网站，了解所使用的TensorFlow-GPU和Keras版本对应的详细信息。 总之，正确安装TensorFlow-GPU和Keras的版本对应是保证深度学习模型顺利训练的前提，需要认真对待。 ### 回答3： TensorFlow是一款流行的深度学习框架，它被广泛使用于各种机器学习和深度学习任务中。TensorFlow GPU（tensorflow-gpu）是TensorFlow的GPU版本，它通过利用图形处理器（GPU）的并行计算能力来加速深度学习模型的训练和推理速度。而Keras是一个高级的深度学习框架，它可以被用来构建复杂的神经网络模型。 TensorFlow GPU和Keras都有不同的版本，而这些版本通常需要互相兼容才能顺利工作。以下是TensorFlow GPU和Keras版本对应的一些常见规则： 1. TensorFlow 1.x系列与Keras 2.x系列对应：TensorFlow 1.x系列是通过Session API来管理计算图和计算资源的，而Keras 2.x系列是作为一个高级API来运行在TensorFlow 1.x系列上的。因此，TensorFlow 1.x版本的用户应该使用Keras 2.x版本。 2. TensorFlow 2.x系列自带Keras API：TensorFlow 2.x系列的版本中已经内置了Keras API，因此，TensorFlow 2.x的用户应该使用内置的Keras API，而不是使用外部的Keras。 3. TensorFlow 2.x系列中的Keras API具有向后兼容性：由于TensorFlow 2.x中的Keras API具有向后兼容性，因此，用户可以在TensorFlow 2.x版本中使用旧版的Keras模型。 4. 安装TensorFlow GPU时需要注意版本号：在安装TensorFlow GPU时，需要注意与Keras版本的兼容问题。对于TensorFlow 1.x，建议安装与Keras 2.x兼容的版本；对于TensorFlow 2.x，建议使用内置的Keras API。 总之，TensorFlow GPU和Keras版本之间的兼容性非常重要，用户在使用这两个框架时，应该仔细检查其版本号，并确保版本之间的兼容性。否则，可能导致运行时错误和不可预测的问题。
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
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