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。
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 |
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。
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]))
尚无评论!