tensorflow2.0初相识

2024-05-14 21:58
文章标签 相识 tensorflow2.0

本文主要是介绍tensorflow2.0初相识,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

安装

安装:本地有anaconda python3.6环境,所以直接搭建一个tf2.0的虚拟环境
参考:https://www.jianshu.com/p/13f752e3a2f9
步骤:

#1、创建tf2.0虚拟环境
conda create --name tf2_venv python=3.6
#2、在anaconda的envs路径下,就多了一个tf2的虚拟环境,我们可以使用activate命令激活它
#路径 C:\ProgramData\Anaconda3\envs
activate tf2_venv
#也可以使用deactivate来退出环境
deactivate
#3、tensorflow的环境,使用清华源
sudo pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pip install tensorflow==2.0.0-alpha
jupyter添加虚拟环境

参考:https://www.icode9.com/content-3-71611.html

安装了tf2.0的环境还不够,我们还需要把它作为一个kernel加入到jupyter环境中,执行下面两步:

pip install ipykernel #在虚拟环境安装juyter
python -m ipykernel install --name tf2_venv
#查看内核
jupyter kernelspec list
pycharm中添加python虚拟环境

参考:conda搭建python虚拟环境 tf2.0.0----tf1.14
在pycharm左上角打开File —> Settings–>Project,或者使用快捷键Ctrl + Alt + S。
选定Project Interpreter,点击下图右上角的红框按钮,选择 Add… 。
添加Virtualenv Environmet,选择Exixting environment,路径选择:C:\ProgramData\Anaconda3\envs\tf2_venv\python.exe,点击ok即可。

tensorflow2.0 不同之处

TF2.0与TF1.x相比有了许多变化。下面是主要的几个变化。
参考:关于TensorFlow 2.0,这里有你想知道的一切

1、 默认状态的Eager Execution

在TF1.X中构建神经网络,需要先定义一个图形(graph)的抽象结构,再用会话(Session)封装运行图形。
如果想要打印session中的数据,需要用session.run()的形式将参数传递给图形,并对模型进行训练。
TF1.X存在缺点:打印模型中共的图节点只能看到节点的引用,无法看到节点的值
TF2.0改进:TF2.0代码看起来像Nunpy代码,TensorFlow和NumPy的对象可以很容易地切换。因此不必担心占位符、会话、feed_dictionaties等问题。
在这里插入图片描述

2、API清理

TF1.X存在缺点:TF1.x中有许多API,如tf.gans、tf.app、tf.contrib、tf.flags,会被清理或移动到单独的存储库。尽管许多API性能良好,但似乎并没有收敛出一种通用的开发方式。此外,如果在其中一个API中训练模型,那么使用其他API来再利用该代码并不简单。
TF2.0改进:TF2.0中,tf.keras是推荐的高级API。

这篇关于tensorflow2.0初相识的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/989966

相关文章

【tensorflow 使用错误】tensorflow2.0 过程中出现 Error : Failed to get convolution algorithm

如果在使用 tensorflow 过程中出现 Error : Failed to get convolution algorithm ,这是因为显卡内存被耗尽了。 解决办法: 在代码的开头加入如下两句,动态分配显存 physical_device = tf.config.experimental.list_physical_devices("GPU")tf.config.experiment

【深度学习 走进tensorflow2.0】TensorFlow 2.0 常用模块tf.config

无意中发现了一个巨牛的人工智能教程,忍不住分享一下给大家。教程不仅是零基础,通俗易懂,而且非常风趣幽默,像看小说一样!觉得太牛了,所以分享给大家。点这里可以跳转到教程。人工智能教程 本篇文章将会教大家如何 合理分配显卡资源,设置显存使用策略。主要使用tf.config模块进行设置。下面我们一起了解下具体用法和例子。 一、指定当前程序使用的 GPU 例如,在一台具有 4 块 GPU 和一个 C

高阶数据结构[2]图的初相识

图的初相识 1.前言 2.图的概念 3.图的相关术语 4.图的存储结构  4.1邻接矩阵  4.2邻接表  4.3两种存储方式的对比  5.图的存储实现 5.1邻接矩阵的实现 5.2邻接表的实现  6.总结  1.前言 本章将大家学习数据结构中的“图”。有学习过离散数学的同学对这一章节或许会比较熟悉。本篇文章将从最基础的概念开始介绍,一步步深入。让我们开始吧!

nlp--使用TF-IDF进行文档分类(文档相识度分析)

1、TF-IDF与余弦相似性的应用(一):自动提取关键词   2、TF-IDF与余弦相似性的应用(二):找出相似文章   3、如何计算两个文档的相似度(一)   4、 gensim做主题模型   5、 当然还可以看看吴军博士的《数学之美》第十一章 如何确定网页和查询的相关性。     其中第4篇文章( gensim做主题模型 )使用

如何再tensorflow2.0 运行tensorflow1.x 代码

在代码中没有使用contrib模块的情况下,可以在代码最前端加上如下两句,直接可以实现的代码升级。 import tensorflow.compat.v1 as tftf.disable_v2_behavior()   参考网站:https://cloud.tencent.com/developer/article/1473538

tensorflow2.0 MNIST数据集分类任务

MNIST数据集分类任务  TensorFlow 2.0测试版包 代码 from __future__ import absolute_import, division, print_function, unicode_literals# 安装 TensorFlowimport tensorflow as tf# 对mnist数据进行分类任务if __name__ == '__main

【Tensorflow2.0】3、 tf.keras介绍

文章目录 一、keras结构概述二、Layer 类说明Layer层可以执行的功能 Layer不具有的功能 本文将介绍tf.kears API的使用方法以及它的实现方法,主要参考keras作者对keras的 介绍(需要科学上网)。包括: Keras Architecture keras的结构Layers 和 Models 两个类函数式模型 functional models函

【Tensorflow2.0】2、tensorflow2.0更新内容

文章目录 1、主要特征和提升重点突破性改变 2、 tensorflow2.0的十大重要更新2.1 默认支持eager方式2.2 tf.function 和 AutoGraph2.3 不再有tf.variable_scope2.4 更加容易自定义网络结构2.5 更灵活的模型训练2.6 tensorflow datasets2.7 自动精度混合 mixed precision2.8 分布式训练2

Tensorflow2.0笔记 - 循环神经网络RNN做IMDB评价分析

本笔记记录使用SimpleRNNCell做一个IMDB评价系统情感二分类问题的例子。 import osimport timeimport numpy as npimport tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import datasets, layers, optimiz

【有趣的透镜】1.透镜初相识

1.透镜的外形和材料 (1)透镜由玻璃或者塑料制成; (2)透镜一般为圆型,其单面或双面为球面; 2.透镜的类型和折射 (1)球面外凸为凸透镜(聚光),球面内凹为凹透镜(散光); (2)透镜是基于光的折射,只要光从一种物质摄入到另一种不同的物质就会发生; 折射的实例: 人眼看水中鱼,鱼的实际位置比看到的鱼的位置要深。 澡盆中手或者指头看山去较短。