tensorflow-gpu可用于进行搭建ANN,CNN,DeepLearning等工作,并且支持cuda加速
由于之前就用vs进行cuda开发,安装了cuda9.1,安装tensorflow才发现大部分不支持9.1,只支持9.0
所以第一步,先下载cuda9.0的安装包然后进行默认安装,我建议进行默认安装,因为它会把v9.0\libnvvp和v9.0\bin添加到环境变量中,如若不然,需要自己添加
$cudaPath$ bin
$cudaPath$ linvvp
$cudaPath$是自己的安装路径
安装完之后,因为存在tensorflow和tensorflow-gpu两个版本,所以需要不要手欠
pip install tensorflow-gpu=1.11.0
//现在已经有tensorflow-gpu1.12.0的版本,但是好像这个需要cuda10的支持,所以不建议
然后可以在python里面测试
#coding=utf-8
import tensorflow as tf
import numpy as np
x_data = np.random.rand(3).astype(np.float32)
y_data = x_data * 0.1 + 0.3;
###
Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0))
biases = tf.Variable(tf.zeros([1]))
y = Weights*x_data + biases
loss=tf.reduce_mean(tf.square(y-y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
init = tf.global_variables_initializer()
###
sess = tf.Session()
sess.run(init)
for step in range(201):
print("Setp:%d", step);
print("Before run Weight: %g ;Biases:%g" %(sess.run(Weights) , sess.run(biases)))
sess.run(train)
print("After run Weight: %g ;Biases:%g" %(sess.run(Weights) , sess.run(biases)))
print("---------------------------------");
运行结果