tensorflow安装测试教程【一文读懂】

置顶 已于 2023-09-27 16:55:52 修改
阅读量6.3k 收藏 15
点赞数 9
CC 4.0 BY-SA版权
分类专栏： 环境搭建，一文读懂 文章标签： tensorflow 深度学习 计算机视觉 人工智能
于 2022-03-24 17:42:05 首次发布
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/sinat_28442665/article/details/122415437
本文详细介绍了如何在Linux服务器上配置Conda与Pip的源加速，以及如何安装和验证TensorFlow-GPU的多个版本，包括1.15.0和2.6.0。内容涵盖了环境搭建、依赖库的自动适配，并提供了相关版本的查询方法。同时强调了不同版本之间的函数差异，提醒读者在搭建环境时注意选择合适的版本。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

🥇 版权: 本文由【墨理学AI】原创首发、各位读者大大、敬请查阅、感谢三连
🎉 声明: 作为全网 AI 领域 干货最多的博主之一，❤️ 不负光阴不负卿 ❤️

0-9

文章目录

📔 Conda 与 Pip 的源加速

工欲善其事，必先利其器、下面这两篇博文、你值得了解一下

使用 Conda 安装的好处是、比如执行conda install tensorflow-gpu==2.6.0 时、 cudatoolkit-11.3.1、cudnn-8.2.1.32 这些需要的关键库、会自动给你很好地适配

2-1

📕 Linux服务器环境如下

## 服务器

cat /etc/issue
 
Ubuntu 16.04.7 LTS \n \l


## Cuda版本
nvcc -V

Cuda compilation tools, release 10.1, V10.1.243


## 显卡

NVIDIA GeForce GTX 1080 Ti 单卡 11G

📗 tensorflow-gpu==1.15.0 安装示例


conda create -n tf15 python=3.6.9

conda activate tf15

# tensorflow的安装建议使用 conda 进行安装
conda install tensorflow-gpu==1.15.0

pip install opencv-python

pip install pillow

📘 检测 tensorflow 是否可使用

  • 🍊 shell 或者 cmd 窗口 进入 python 交互环境
python

Python 3.6.9 |Anaconda, Inc.| (default, Jul 30 2019, 19:07:31) 
[GCC 7.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> print(tf.__version__)
1.15.0
>>>

📗 查询当前 conda 检索到的 tensorflow 版本

conda search tensorflow 查询当前 conda 检索到的 tensorflow 版本

  • conda 能够检索到的 tensorflow 各个版本、大致如下

conda search tensorflow

# 这里删减了大部分项 
 
Loading channels: done
# Name                       Version           Build  Channel             
tensorflow                     0.7.1          py27_0  anaconda/cloud/conda-forge

tensorflow                     0.8.0          py34_0  anaconda/cloud/conda-forge
tensorflow                     0.9.0          py27_0  anaconda/cloud/conda-forge

tensorflow                    0.10.0          py27_0  anaconda/cloud/conda-forge
tensorflow                    0.10.0          py34_0  anaconda/cloud/conda-forge

tensorflow                     1.0.0          py27_0  anaconda/cloud/conda-forge

tensorflow                     1.0.1     np112py27_0  anaconda/pkgs/free  
tensorflow                     1.1.0     np111py27_0  anaconda/pkgs/free  
tensorflow                     1.1.0     np111py35_0  anaconda/pkgs/free  
tensorflow                     1.2.0          py27_0  anaconda/cloud/conda-forge
tensorflow                     1.2.1          py36_0  anaconda/cloud/conda-forge
tensorflow                     1.2.1          py36_0  anaconda/pkgs/free  
tensorflow                     1.3.0               0  anaconda/pkgs/free  
tensorflow                     1.3.0          py36_0  anaconda/cloud/conda-forge
tensorflow                     1.4.0          py27_0  anaconda/cloud/conda-forge
tensorflow                     1.4.1               0  anaconda/pkgs/main  
tensorflow                     1.4.1               0  pkgs/main           
tensorflow                     1.5.0               0  anaconda/pkgs/main  

tensorflow                     1.5.0          py36_0  anaconda/cloud/conda-forge
tensorflow                     1.5.1          py27_0  anaconda/cloud/conda-forge

tensorflow                     1.6.0               0  anaconda/pkgs/main  

tensorflow                     1.7.0               0  anaconda/pkgs/main  
       
tensorflow                     1.8.0               0  anaconda/pkgs/main  

tensorflow                     1.9.0 eigen_py27hf386fcc_1  anaconda/pkgs/main  
     
tensorflow                     1.9.0 gpu_py36h02c5d5e_1  anaconda/pkgs/main  

tensorflow                    1.10.0 eigen_py27ha0ab958_0  anaconda/pkgs/main  


tensorflow                    1.10.0          py36_0  anaconda/cloud/conda-forge
tensorflow                    1.11.0 eigen_py27h06aee4b_0  anaconda/pkgs/main  
tensorflow                    1.11.0 eigen_py27h06aee4b_0  pkgs/main           
  
tensorflow                    1.12.0 eigen_py36hbd5f568_0  anaconda/pkgs/main  
  
tensorflow                    1.13.1 eigen_py27h5e92bea_0  anaconda/pkgs/main  

tensorflow                    1.13.1  py37h90a7d86_1  anaconda/cloud/conda-forge
tensorflow                    1.13.2      h76b4ce7_0  anaconda/cloud/conda-forge
tensorflow                    1.14.0 eigen_py27h99c1539_0  anaconda/pkgs/main  
     
tensorflow                    1.14.0 gpu_py27he9627f8_0  anaconda/pkgs/main  

tensorflow                    1.14.0 mkl_py37h45c423b_0  pkgs/main           
tensorflow                    1.15.0 eigen_py27h7b7505e_0  anaconda/pkgs/main  
        
tensorflow                     2.0.0 eigen_py27hec4e49e_0  anaconda/pkgs/main  
tensorflow                     2.0.0 eigen_py27hec4e49e_0  pkgs/main           

tensorflow                     2.1.0 eigen_py27h636cc2a_0  pkgs/main           
tensorflow                     2.1.0 eigen_py36hbb90eaf_0  anaconda/pkgs/main  
      
tensorflow                     2.2.0 eigen_py36h84d285f_0  anaconda/pkgs/main  

tensorflow                     2.2.0 mkl_py38h6d3daf0_0  pkgs/main           
tensorflow                     2.3.0 eigen_py37h189e6a2_0  anaconda/pkgs/main  
tensorflow                     2.3.0 eigen_py37h189e6a2_0  pkgs/main           

tensorflow                     2.4.0  py37h89c1867_0  anaconda/cloud/conda-forge
tensorflow                     2.4.0  py38h578d9bd_0  anaconda/cloud/conda-forge
tensorflow                     2.4.1 eigen_py37h3da6045_0  anaconda/pkgs/main  
tensorflow                     2.4.1 eigen_py37h3da6045_0  pkgs/main           

tensorflow                     2.4.3  py36h5fab9bb_0  anaconda/cloud/conda-forge

tensorflow                     2.5.0 eigen_py37hff93566_0  anaconda/pkgs/main  
tensorflow                     2.5.0 eigen_py37hff93566_0  pkgs/main           

tensorflow                     2.5.0 mkl_py39h4a0693c_0  pkgs/main           
tensorflow                     2.6.0 cpu_py37hc107814_2  anaconda/cloud/conda-forge
tensorflow                     2.6.0 cpu_py38h077e6c3_2  anaconda/cloud/conda-forge
tensorflow                     2.6.0 cpu_py39hcb7c6aa_2  anaconda/cloud/conda-forge

tensorflow                     2.6.0 eigen_py37h34b007a_0  pkgs/main           
tensorflow                     2.6.0 eigen_py38hcc1cb13_0  anaconda/pkgs/main  
tensorflow                     2.6.0 eigen_py38hcc1cb13_0  pkgs/main           
tensorflow                     2.6.0 eigen_py39h4b72145_0  anaconda/pkgs/main  
tensorflow                     2.6.0 eigen_py39h4b72145_0  pkgs/main           
tensorflow                     2.6.0 mkl_py37h9d15365_0  anaconda/pkgs/main  
tensorflow                     2.6.0 mkl_py37h9d15365_0  pkgs/main           
tensorflow                     2.6.2 cuda112py39h9333c2f_1  anaconda/cloud/conda-forge

📙 tensorflow-gpu==2.6.0 安装示例

conda create -n tfNew python=3.8.5

conda activate tfNew

conda search tensorflow

conda install tensorflow

conda install tensorflow-gpu==2.6.0

📙 tensorflow-gpu 其它版本

  • 当前主流使用较多的是 1.X 版本 和 2.X 版本，这俩大版本存在较多的函数差异性
  • 因此各位小伙伴在进行环境搭建时、要进行区分
  • 其它 1.X 版本 和 2.X 版本的安装、大家仿照上面修改 conda install tensorflow-gpu==X.X.X 版本号即可

📙 预祝各位 2022 前途似锦、可摘星辰

  • 🎉 作为全网 AI 领域 干货最多的博主之一，❤️ 不负光阴不负卿 ❤️
  • ❤️ 如果文章对你有帮助、点赞、评论鼓励博主的每一分认真创作

计算机视觉领域 八大专栏、不少干货、有兴趣可了解一下

9-9

tensorflow环境测试
moyimoyi123的专栏
07-22 663
测试环境：Ubuntu16LTS+anaconda3+Python 3.5.0+GCC 4.4.7 步骤： 1. 进入anaconda3安装目录下的bin路径； 2. 激活tensorflow，输入source activate tensorflow； 3. 进入python交互式编程环境，输入python 4. 测试TensorFlow环境 import te
一文读懂！OpenCV 实时人脸识别从 0 到 1，小白也能轻松实操的超详细教程（完整教程及源码）
专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域，希望和大家共同进步！
03-07 1836
摘要：本文围绕使用 OpenCV 实现实时人脸识别展开。从环境搭建入手，详细介绍 Python 及相关库的安装。数据准备环节涵盖收集、标注及预处理步骤。深入阐述特征提取、模型训练方法，包含传统与深度学习方式，还介绍 OpenCV 预训练模型的使用与评估。详细讲解实时识别过程，包括打开摄像头、逐帧处理及结果显示优化。针对复杂场景，提出光照、姿态、遮挡等问题的解决办法及模型更新维护策略。通过丰富代码示例与解释，助力小白实现实时人脸识别系统的搭建与优化。
TensorFlow-gpu测试
12-17
TensorFlow-gpu版本测试代码，用于测试当前设备所使用的GPU类型
tensorflow安装与测试
低到尘埃，仰望星空
08-23 2万+
  今天还是比较顺利地装好了tensorflow, 迈出了走向AI的第一步，还是有点小兴奋的。   网上很多安装教程，却似乎没有一篇写得很简洁清楚。为此，我就小小总结一下我的安装过程。 我的环境 win10+python 3.6+vs2015+vs2013+vs2017 VS只需要安装一个和版本一致的即可。 CPU版与GPU版的选择 GPU版本的tensorflow...
TensorFlow实战：从数据读取到模型训练与测试
weixin_42596214的博客
06-30 865
在深度学习项目中，数据读取是影响模型性能和训练效率的重要环节。TensorFlow通过其内置的数据读取和处理机制，提供了一种高效的方式来准备和输入数据。了解和掌握数据读取机制，对于任何希望深入TensorFlow的开发者来说，都是基础且必备的知识。在机器学习和深度学习项目中，有效地从原始数据中提取和处理信息是构建模型的前提。随着数据集规模的增长和复杂度的提升，如何高效地加载和处理数据成为了瓶颈问题。为了解决这一问题，TensorFlow推出了tf.data。
测试TensorFlow
daguantou的博客
08-13 1918
测试TensorFlow
测试TensorFlow 是否安装成功
热门推荐
张齐贤的博客
03-29 6万+
4.测试TensorFlow 通过以上步骤已经完成了安装工作，下面可以通过一个简单的程序测试TensorFlow是否安装成功。直接在CMD中键入以下代码： import tensorflow as tf sess = tf.Session() a = tf.constant(1) b = tf.constant(2) print(sess.run(a+b)) 结果: 3 ...
tensorflow h5测试
07-27
- *1* *2* [tensorflow安装测试教程【一文读懂】](https://blog.csdn.net/sinat_28442665/article/details/122415437)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip...
推荐系统（二十三）：一文读懂MaskNet与Wide&Deep结合的几种架构
Jin_Kwok的博客
04-06 798
MaskNet被提出之后并未引起关注，后来Twitter开源了基于MaskNet实现的推荐算法，并在多个数据集上取得了最优结果。之后，阿里巴巴等一众企业相继跟进，将 MaskNet 应用于工业实践，均取得不错效果。本文将详细介绍MaskNet的两种模式（Serial Model和Parallel Model）的实现，并与Wide&Deep模型结合，提供完整代码，便于读者理解和应用。
一文读懂RNN
xiaodoudouer的博客
09-30 1072
LSTM（长短期记忆网络）是RNN的一种变体，通过引入记忆单元以及输入门、遗忘门和输出门来控制信息流，有效解决了长期依赖问题。
一文读懂 AI 模型训练流程
最新发布
牧晨加油站
07-08 938
AI模型训练流程可分为五个关键步骤：首先进行数据准备，包括收集、清洗、标注和增强数据；其次选择合适的模型架构并搭建神经网络；然后通过前向传播、损失计算和反向传播进行模型训练；接着用验证集评估模型性能，并调整超参数；最后在测试集上检验模型泛化能力。整个过程需要精心设计每个环节，才能获得性能优异的AI模型。
tensorflow安装问题检测
12-26
windows安装GPU版本的时候，经常会出现莫名其妙的问题，这个代码可以帮助检测出具体是什么问题导致的。
Tensorflow安装和测试
weixin_45627239的博客
02-17 2348
1.安装anaconda 4.2.0 2.安装tensorflow（在anaconda Prompt中进行） 输入pip install tensorflow会自动安装 3.检查是否成功安装 ①在jupyter Notebook中进行 没有成功安装 import tensorflow as tf 成功安装测试代码（2.1版本以上） import tensorflow as tf tf.compat.v1.disable_eager_execution(...
tensorflow安装以及测试
u013236891的博客
11-08 1368
在windows10上安装Tensorflow 一、安装环境 TensorFlow即可以支持CPU，也可以支持CPU+GPU。前者的环境需求简单，后者需要额外的支持。TensorFlow是基于VC++2015开发的，所以需要下载安装VisualC++ Redistributable for Visual Studio 2015 来获取MSVCP140.DLL的支持。如果要安装GPU版本（有N卡...
tensorflow的简单测试应用
gm_Ergou的博客
07-05 1663
1.验证卷积函数的运算过程 """ 函数格式：tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu = Noen, name = None) 1.input：指需要做卷积的输入图像 要求是一个4维的Tensor，shape为[batch, in_height, in_width, in_channels]： batch：训练时一个batch的图片数量 in_height：输入图像的高度 in_width：输入图像的宽度 in_
安装和测试tensorflow
julina1的博客
02-16 255
安装pycharm编译环境 安装tensorflow 国内镜像 pip install tensorflow==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple 测试的运行代码 import tensorflow as tf # import os # os.environ['TF_CPP_MIN_LOG_LEVEL']='2' hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() p
GPU压力测试篇- TensorFlow
疯批美人
07-26 5478
对现有gpu的性能没有相关的测试，需要进行摸底测试预期测试目的：完成gpu对训练及预测服务的性能测试对现场部署及使用提供支持。
TensorFlow初学者入门（一）——TensorFlow安装测试
u010949998的博客
08-20 976
本人学习TensorFlow中的一些学习笔记和感悟，仅供学习参考，有疑问的地方可以一起交流讨论，持续更新中。 pip安装TensorFlow 安装 TensorFlow 过程中要涉及安装或升级的包可以在官方的GitHub上获得。 在Ubuntu或者Mac下安装pip（python2）或者pip3（python3）的指令如下： # Ubuntu/Linux 64-bit $ sudo ap...
评论 9
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

打赏作者

墨理学AI

不必打赏，关注博主公众号即可

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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