Ubuntu20 + Anaconda3 安装tensorflow2-详情

Ubuntu20 + Anaconda3 安装tensorflow2

2020-10-5 9:03:51 来源: GNSSer 发布人:

Ubuntu20 + Anaconda3 安装tensorflow2

1.使用Conda新建环境

conda create -n tf

这里新建了一个名为tf的环境。

2.在新环境里升级pip

首先激活新环境：

source activate tf

然后升级pip（如果pip版本过低后面可能会报错）：

pip install --upgrade pip

3.安装Tensorflow

pip install tensorflow-gpu

据说tensorflow2.0以后都是gpu版本了。

4.安装Spyder

tensorflow的安装已经完成了。但是由于我们是在虚拟环境里安装的，所以直接在spyder编译器里面是无法导入的。因此需要在这个环境里再安装一个spyder。

conda install spyder

对于vscode，可直接在底栏选择编译器的环境，因此可以省去这一步。

安装完毕后，直接在命令行窗口输入sypder命令即可打开图形编程窗口。

5. 测试

打开Spyder，输入如下代码，编码实现，然后运行。

参考自：https://zhuanlan.zhihu.com/p/65375582

#引入类库
import tensorflow as tf
import numpy as np
from tensorflow import keras 

#使用下述语句来查看tensorflow版本，以下代码都是2.0版的
print(tf.__version__)

#使用array来组织数据整理
xs = np.array([-1.0,  0.0, 1.0, 2.0, 3.0, 4.0], dtype=float)
ys = np.array([-3.0, -1.0, 1.0, 3.0, 5.0, 7.0], dtype=float) 

#定义模型model,该模型是具有一个输入(input_shape[1])和一个神经元输出的全连接（Dense）模型。
model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
#使用SGD优化器、和均方误差来编译模型。SGD和mean_squared_error后面脑补
model.compile(optimizer='sgd', loss='mean_squared_error')
#开始训练， 500次
model.fit(xs, ys, epochs=500)
#用训练好的model预测10.0，打印其预测值是多少
print(model.predict([10.0]))

预期输出

#输出

>> 18.170927

若成功，则运行正常。

附录：删除方法

如果安装失败，或者想重新安装的话，可以删除掉这个环境从头再来：

conda env remove -n tf

示例2

# 导入库
    import tensorflow as tf
    import numpy as np
    from tensorflow import keras
    #定义和编译一个神经网络
    model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
    # 编译 并指定 loss optimizer
    model.compile(optimizer='sgd', loss='mean_squared_error')
    #提供数据
    xs = np.array([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0], dtype=float)
    ys = np.array([-2.0, 1.0, 4.0, 7.0, 10.0, 13.0], dtype=float)
    #培训
    model.fit(xs, ys, epochs=500)
    #预测
    print(model.predict([10.0]))