ICode9

精准搜索请尝试: 精确搜索
  • 错误:Could not load dynamic library 'libcudart.so.10.0';2022-04-17 16:32:33

    在使用tensorflow运行程序的时候报了错误 2022-04-17 15:34:41.644608: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'libcudart.so.10.0'; dlerror: libcudart.so.10.0: cannot open shared object file: No such file or

  • 2022.4.152022-04-15 15:31:37

    使用tensorflow出现的错误: AttributeError: module ‘tensorflow‘ has no attribute ‘placeholder‘ 解决方法: 将代码: import tensorflow as tf 替换为 import tensorflow.compat.v1 as tftf.disable_v2_behavior() 替换后我的pycharm里compat下面会显示红波浪线,但是仍然可以运

  • 旧笔记本环境二次配置 tensorflow2022-04-14 09:03:41

    旧笔记本环境二次配置,为了运行dowhy     (base) PS F:\PythonProject> (base) PS F:\PythonProject> (base) PS F:\PythonProject> pip install tensorflow Collecting tensorflow Downloading tensorflow-2.8.0-cp38-cp38-win_amd64.whl (438.0 MB) |████████

  • tensorflow 1.x 迁移到2.x2022-04-10 18:33:08

    tensorflow 1.x的contrib.layers写法 w_init = tf.contrib.layers.variance_scaling_initializer() 迁移到tensorflow2.x报错 AttributeError: module 'tensorflow' has no attribute 'contrib' 修改为 w_init=tf_slim.layers.initializers.variance_scaling_in

  • [翻译] 使用 TensorFlow 进行分布式训练2022-04-10 10:01:57

    [翻译] 使用 TensorFlow 进行分布式训练 目录[翻译] 使用 TensorFlow 进行分布式训练0x00 摘要1. 概述2. 策略类型2.1 MirroredStrategy2.2 TPUStrategy2.3 MultiWorkerMirroredStrategy2.4 CentralStorageStrategy2.5 ParameterServerStrategy2.6 其他策略2.6.1 默认策略2.6.2 On

  • 【已解决】aconda3 创建和切换jupyter Kernel(安装好了tensorflow在jupyter中无法使用)2022-04-08 15:32:46

    如下图:在这里更换python环境内核(如果你把tensorflow安装在了一个新建的虚拟环境)       1. 创建新的环境(或者是直接激活进入已经安装了tensorflow的环境) conda create -n 【环境名】 python=3.7 之后可以在这个环境下安装tensorflow,后续步骤也在这个环境下。   2. 激活内核

  • Tensorflow出现Variable Actor/eval0/l1/kernel already exists, disallowed.2022-03-30 22:34:36

    参考链接: https://blog.csdn.net/weixin_43283397/article/details/103289928?spm=1001.2014.3001.5506 1.问题描述 Spyder或者Jupyter中重复运行Tensorflow的代码,会出现变量已经存在的问题。这是因为这些编辑器都会自动保存变量。 具体错误描述: ValueError: Variable Actor/eva

  • Pytorch以及TensorFlow的GPU版本安装2022-03-29 09:32:10

    前言 深度学习框架TensorFlow和Pytorch的GPU版本搭建基础要求是显卡应当为NVIDIA系列,并将显卡驱动升级为最高版本。 显卡驱动下载地址:官方驱动 | NVIDIA ,根据自己的显卡型号选择相应的驱动版本。 一、查看CUDA版本 安装好显卡最新版本驱动后,在桌面单击鼠标右键会出现NVIDIA控制面

  • 树莓派安装tensorflow2022-03-25 01:01:07

    python3.7 pip3 install tensorflow==1.13.1     pip3 install keras==2.3.1     pip3 install sklearn pip install cython sudo apt-get install libhdf5-dev pip install h5py==2.10 -i https://pypi.tuna.tsinghua.edu.cn/simple/

  • Anaconda配置python,tensorflow自用2022-03-21 09:32:15

    最近一直在配环境上纠结,故总结一篇机器学习的环境配置大全: 1. anaconda进行python 的环境配置。 推荐用清华源镜像。我是从b站木子openCV-python配置。当时参考的配置教程简书的Dayon。以下是教程,亲测有效 Anaconda要装3.5.2,对应python3.6版本,无外网推荐用清华源镜像 链接 h

  • 成功配置tensorflow有感2022-03-20 21:03:52

    方法: 在anaconda-environment-create创建python3.6版本的名为py36的环境; 打开anaconda prompt, >>conda activate py36 >>conda install tensorflow==2.1 >>打开pycharm后,将setting里的环境调成虚拟环境py36 >>根据需要安装对应版本的库 可能会遇到的问题及解决: 1.若安装的虚拟

  • 哪个激励函数要求初始值不能为0?2022-03-20 16:04:59

    链接地址:深度学习原理与TensorFlow实践课后习题完整答案 如果需要完整PDF答案可以关注下方公众号,后台回复“TensorFlow”即可获取,阿光期待着您的光临~

  • MacOS下使用conda安装TensorFlow(亲测成功)2022-03-18 22:05:52

    以下内容参考: Mac m1芯片anaconda上安装tensorflow 使用资源和安装miniforge这次真的搞定了在Mac M1上安装tensorflow,踩坑踩的我脚都断了 参考安装依赖包和tensorflow 一、下载tensorflow文件资源 参考1 二、安装TensorFlow 注:文章里的要在python=3.8时使用 /Users/dulei/Des

  • tensorflow物理机环境部署2022-03-09 17:01:01

    官网推荐跑tensorlow用docker环境,不过老板要求用物理机,咱就搞就是了 参考官网英文文档 https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#post-installation-actions 首先说下我的环境,centos7.8,1070ti显卡 1、 [root@node14 maintenance-item-match]# una

  • NLP常见库pip安装指令2022-03-05 20:02:04

    pip3 install --user numpy scipy matplotlib   pip install sugartensor     pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow   tensorflow安装成功验证程序: import tensorflow as tf    hello = tf.constant('Hello, TensorFlow!')   

  • 【TensorFlow】关于张量(tensor)的基本操作——创建,切片2022-03-05 12:33:44

    1、创建张量 通过 tf.convert_to_tensor 函数可以创建新 Tensor,并将保存在 Python List 对象或者Numpy Array 对象中的数据导入到新 Tensor 中。 通过 tf.zeros()和 tf.ones()即可创建任意形状,内容为全0或全1的张量。 通过tf.fill(shape,value)可以创建全为自定义数值的张量,形状

  • fatal error: third_party/gpus/cuda/include/cuda_fp16.h: 没有那个文件或目录2022-03-05 10:32:56

    https://github.com/northeastsquare/bts 打开目录 "tensorflow/include/tensorflow/core/util/gpu_kernel_helper.h" 然后编辑,把 #include "third_party/gpus/cuda/include/cuda_fp16.h" 替换成 #include "cuda_fp16.h" 然后,再编辑 "tensorflow/incl

  • Tensorflow(三) tf.keras的相关东西2022-03-02 17:58:12

    一 什么是Keras         Keras是一个由Python编写的开源人工神经网络库,可以作Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口,进行深度学习模型的设计、调试、评估、应用和可视化。         Keras相当于比Tensorflow和Theano更高一层的库,其可以以Tensor

  • module 'tensorflow' has no attribute 'Session'的解决办法2022-02-27 19:01:00

    首先出现这个问题的原因是你所用的tensorflow版本不支持session(只有tensorflow版本1支持session)。所以我们只需要在使用session时让你的版本兼容第一版就行。 session是第一版的所以我们只需要在代码中加入compat.v1(英文的中文意思就是兼容v1)就可以使用v1 版本里的session了。

  • tensorflow 自动求导2022-02-26 16:31:43

    Example: import tensorflow as tf # 创建 4 个张量,并赋值 a = tf.constant(1.) b = tf.constant(2.) c = tf.constant(3.) w = tf.constant(4.) with tf.GradientTape() as tape:# 构建梯度环境 tape.watch([w]) # 将 w 加入梯度跟踪列表 # 构建计算过程,函数表达式 y

  • tensorflow 安装GPU版本,CUDA与cuDNN版本对应关系,RTX3050Ti (notebook)2022-02-24 23:59:26

    前言 安装Tensorflow-gpu 与 keras的时候,一定先要注意版本的对应,不然很容易出错,在看的时候,建议先看完整篇文章再上手。 一、环境+配置 本机环境 显卡:RTX3050Ti(notebook) Windows10专业版 NVIDIA 511.65 网上查到的可行版本 (跟本人所使用的有所偏差) python3.7.0+CUDA11.6.0+cuD

  • tensorflow安装无法导入2022-02-24 10:00:08

      1.查看本地安装版本 pip list 记住自己的版本,方便第二步进行卸载 2.卸载本地版本 pip uninstall tensorflow==2.1.0     #我的版本是2.1.0  3.查看是否卸载 pip list  4.安装1.12.0版本 pip install tensorflow==1.12.0  -i http://pypi.douban.com/simple --trusted-

  • No module named ‘tensorflow.examples.tutorials‘报错解决办法2022-02-23 23:59:39

    如图该情况报错, 解决办法: (1)照着图片上,打开anconda中的cmd prompt,输入如下代码(如下图)查看自己tensorflow安装路径 activate tensorflow python import tensorflow as tf tf.__path__   我的是E:\Anaconda\envs\tensorflow\Lib\site-packages\tensorflow  (2)我这里没有那个exam

  • sagemaker在终端节点部署Tensorflow模型并调用2022-02-23 18:02:02

            sagemaker 是aws的托管机器学习的服务,具体的请看 什么是 Amazon SageMaker? - Amazon SageMakerAmazon SageMaker 是一项完全托管的机器学习服务。借助 SageMaker,数据科学家和开发人员可以快速、轻松地构建和训练机器学习模型,然后直接将模型部署到生产就绪托管环

  • Tensorflow读代码笔记(一)2022-02-22 21:31:19

    Tensorflow代码笔记(一) tf.app.run 函数入口,类似于c/c++中的main(),大概意思是通过处理flag解析,然后执行main函数。 有两种情况: · 如果你的代码中的入口函数不叫main(),而是一个其他名字的函数,如test(),则你应该这样写入口tf.app.run(test) · 如果你的代码中的入口函数叫main()

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有