网站开发实训指导书,电子商务网站建设方面的论文,网站建设用语言,网站建设哪家公司好招聘文章目录 1、安装anaconda2、安装Tensoflow2.1、创建虚拟环境2.2、安装Tensorflow依赖2.3、验证Tensorflow是否成功 3、配置pycharm环境4、错误记录 1、安装anaconda https://www.anaconda.com/download 打开命令行工具#xff0c;出现base就表示安装成功了#xff0c;表示当… 文章目录 1、安装anaconda2、安装Tensoflow2.1、创建虚拟环境2.2、安装Tensorflow依赖2.3、验证Tensorflow是否成功 3、配置pycharm环境4、错误记录 1、安装anaconda https://www.anaconda.com/download 打开命令行工具出现base就表示安装成功了表示当前的虚拟环境名 2、安装Tensoflow
2.1、创建虚拟环境 在刚才的命令行中进行操作 # 创建一个名字为TF2.1的python3.7版本的虚拟环境
conda create -n TF2.1 python3.7# 进入虚拟环境会发现base变成了TF2.1表示当然进入了我们创建的虚拟环境
conda activate TF2.12.2、安装Tensorflow依赖
# 如果不支持GUP则跳过这两步
# 英伟达SDK10.1
conda install cudatoolkit10.1# 英伟达深度学习软件包7.6
conda install cudnn7.6安装tensorflow
pip install tensorflow2.12.3、验证Tensorflow是否成功 查看版本号如果版本号输出时2.1表示tensorflow安装成功 python
import tensorflow as tf
tf.__version__3、配置pycharm环境 打开pycharm创建项目选择刚才通过anaconda创建的虚拟环境进行开发 创建成功之后输入以下代码进行验证第一行时获取版本号第二行时获取当前是否支持GPU后面的计算两个变量之和 import tensorflow as tfdef print_hi(name):# Use a breakpoint in the code line below to debug your script.print(fHi, {name}) # Press CtrlF8 to toggle the breakpoint.def tensorflow_t():tensorflow_version tf.__version__gpu_available tf.test.is_gpu_available()print(tensorflow version :, tensorflow_version, \tGPU available:, gpu_available)a tf.constant([1.0, 2.0], namea)b tf.constant([1.0, 2.0], nameb)result tf.add(a, b, nameadd)print(result)if __name__ __main__:tensorflow_t()4、错误记录 Could not load dynamic library ‘cudart64_101.dll’; dlerror: cudart64_101.dll not found 如果出现cudart64_101.dll找不到去官网进行下载一个放到C:\Windows\System32目录下 官网网址https://www.dll-files.com/cudart64_101.dll.html
