TesnsorFlow安装与调试

最新推荐文章于 2022-08-05 21:09:16 发布

pends

最新推荐文章于 2022-08-05 21:09:16 发布

阅读量2.8k

点赞数

分类专栏：大数据学习 DL 文章标签： python 深度学习调试

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/ydq1206/article/details/55803403

版权

随着谷歌最近的TesnsorFlow V1.0的发布和技术峰会的举办，TesnsorFlow就逐步走入了更多人的视野了，深度学习也将会推向另一个热潮，我也尝试了下TesnsorFlow在Mac上的安装与调试，下面讲述下步骤。

我的安装主要是与Python相结合使用的，TesnsorFlow的安装会涉及到很多辅助的安装库，所以建议直接先安装anaconda，它包含了很多库
所以整个安装与调试分为了三步。

1、anaconda的安装

先到https://www.continuum.io/downloads 下载anaconda, 现在的版本有python2.7版本和python3.5版本，我下载的是2.7的版本，3.5有些库与TensorFlow还不太兼容，如cPickle。

# bash Anaconda2-4.3.0-MacOSX-x86_64.sh

在安装的过程中，会问你安装路径，直接回车默认就可以了。有个地方问你是否将anaconda安装路径加入到环境变量（.bashrc)中，这个一定要输入yes。安装成功后，会有当前用户根目录下生成一个anaconda2的文件夹，里面就是安装好的内容。在终端可以输入conda info 来查询安装信息：输入conda list可以查询你现在安装了哪些库，常用的python, numpy, scipy名列其中。如果你还有什么包没有安装上，可以运行conda install ***<

最低0.47元/天解锁文章

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

pends CSDN认证博客专家 CSDN认证企业博客

码龄9年

14: 原创

41万+: 周排名

198万+: 总排名

4万+: 访问

: 等级

543: 积分

15: 粉丝

7: 获赞

15: 评论

31: 收藏

私信

关注

热门文章

分类专栏

大数据学习 17篇
spark 3篇
DL 3篇
写博客的小技巧 1篇
python学习 2篇
numpy学习
hive 5篇
shell 1篇

最新评论

常见推荐系统—综述
_努力瘦到94斤: 博主参考的是哪篇论文
Spark+Python+Pycharm在Windows下的配置
贝尔狂虐伊莲娜: [code=python] from pyspark import SparkContext print(1) sc = SparkContext('local') doc = sc.parallelize([['a','b','c'],['b','d','d']]) words = doc.flatMap(lambda d:d).distinct().collect() word_dict = {w:i for w,i in zip(words,range(len(words)))} word_dict_b = sc.broadcast(word_dict) print(2) def wordCountPerDoc(d): dict={} wd = word_dict_b.value for w in d: if dict.__contains__(wd[w]): dict[wd[w]] +=1 else: dict[wd[w]] = 1 return dict print(doc.map(wordCountPerDoc).collect()) print("successful!") [/code] 这是对应的python3的代码，字典没有has_key方法了
Spark+Python+Pycharm在Windows下的配置
大小宝: 不管用，报错啊
Spark+Python+Pycharm在Windows下的配置
大小宝: 博主，求助[code=javascript] D:\Anaconda\envs\py27\python.exe E:/PersonData/PythonStudy/Pyspark/le1/demo.py Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties Setting default log level to "WARN". To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel). 19/01/14 11:30:21 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable Traceback (most recent call last): File "D:\Anaconda\lib\runpy.py", line 183, in _run_module_as_main mod_name, mod_spec, code = _get_module_details(mod_name, _Error) File "D:\Anaconda\lib\runpy.py", line 109, in _get_module_details __import__(pkg_name) File "<frozen>", line 983, in _find_and_load File "<frozen>", line 967, in _find_and_load_unlocked File "<frozen>", line 668, in _load_unlocked File "<frozen>", line 638, in _load_backward
Spark+Python+Pycharm在Windows下的配置
大小宝: 博主，我按你的操作了，代码可以写，包也能导入，也能自动补全，但是不能运行，报错。[code=plain] D:\Anaconda\envs\py27\python.exe E:/PersonData/PythonStudy/Pyspark/le1/demo.py Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties Setting default log level to "WARN". To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel). 19/01/14 11:30:21 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable Traceback (most recent call last): File "D:\Anaconda\lib\runpy.py", line 183, in _run_module_as_main mod_name, mod_spec, code = _get_module_details(mod_name, _Error) File "D:\Anaconda\lib\runpy.py", line 109, in _get_module_details __import__(pkg_name) File "<frozen>", line 983, in _find_and_load File "<frozen>", line 967, in _find_and_load_unlocked File "<frozen>", line 668, in _load_unlocked File "<frozen>

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。