方案：根据conda的虚拟环境同时使用多版本的框架 1. 查看Anaconda中的所有虚拟环境 2. 创建和移除Anaconda虚拟环境 3. 克隆Anaconda虚拟环境 方式1：使用yml文件 方式2：使用--clone命令行参数克隆虚拟环境 4. 安装和移除TensorFlow2.x 5. 安装和移除TensorFlow1.x 6. 在PyCharm中切换TensorFlow1和Tenso

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

https://geektutu.com/post/tf2doc.html

学习网站：人工智能教程 TensorFlow的版本查看与安装 查看自己的TensorFlow版本：pip show tensorflow 这是我的： 关于TensorFlow 的安装配置确实有些麻烦，并且由于国外网站的原因，下载速度也许会非常的慢，所以这里推荐一下清华的镜像，TensorFlow的1.X版本和2.X版本有很大不同，这篇文章是介绍如何使用1.X版本的，但是请务必下载更新的

实例：1 + 1/2 + 1/2^2 + 1/2^3 + … + 1/2^50 tensorflow1 导包，看版本 import tensorflow as tfprint(tf.__version__) 定义变量 x = tf.Variable(0.)y = tf.Variable(1.) 定义计算图 # x = x + yadd_op = x.assign(x +

随口说说 本文为《21个项目玩转深度学习》学习笔记。 第一章学习时间：断断续续的三天！ 第一章开篇第一句“MNIST手写字符识别”是机器学习里的“Hello World”，学完了这一章后，表示确实跟只学会打印“Hello World”一样，保持在只会抄一下，而且那句机器学习入门，让我又看了一眼书的标题是深度学习，一定是作者有深意吧，待我学完此书，快乐回顾的时候再看这个问题。 环境介绍 先介绍

【TensorFlow1.X】系列学习笔记【基础一】 大量经典论文的算法均采用 TF 1.x 实现, 为了阅读方便, 同时加深对实现细节的理解, 需要 TF 1.x 的知识 文章目录 【TensorFlow1.X】系列学习笔记【基础一】前言线性回归非线性回归逻辑回归总结 前言 本篇博主将用最简洁的代码由浅入深实现几个小案例，让读者直观体验最基础的数据的处理、模型

引言 持久化，就是能够把当前模型以及模型的参数能够保持下来，用于下次使用。 1. 持久化代码实现-保存 TensorFlow提供 API，即tf.train.Saver()类 ##持久化代码实现import tensorflow as tfv1=v2=result=v1+v2init_op=global_variables_initializer()saver=tf.train.Sa

1. GPU实现 # # 通过tf.device将运算指定到特定的设备上。with tf.device('/cpu:0'):a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')with tf.device('/gpu:0'):c =

目录 概念简介 总体介绍 名词解释 疑问辨析 工程构建 代码生成 技术栈 模型类型 系统架构 分层架构 图控制 运行机制 会话机制  队列 运行模型 本地模式 分布式模式 技能方法论  发现领域模型 挖掘系统架构 细节是魔鬼 适可而止 发现她的美 形式化 独乐乐，不如众乐乐 更新知识  专攻术业 概念简介 总体介绍 TensorFlo