Tensorflow 2.3 安装：修订间差异
（创建页面，内容为“TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统，被广泛应用于各类机器学习(machine learning)算法的编程实现，其前身是谷歌的神经网络算法库 DistBelief 。 Tensorflow 拥有多层级结构，可部署于各类服务器、PC终端和网页并支持 GPU 和 TPU 高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。 TensorFlow 由谷歌人工智能…”） |
无编辑摘要 |
||
| 第4行： | 第4行： | ||
TensorFlow 由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护，拥有包括 TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud 在内的多个项目以及各类应用程序接口（Application Programming Interface, API）。自 2015 年 11 月 9 日起，TensorFlow 依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码 。 | TensorFlow 由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护，拥有包括 TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud 在内的多个项目以及各类应用程序接口（Application Programming Interface, API）。自 2015 年 11 月 9 日起，TensorFlow 依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码 。 | ||
=== 语言与系统支持 === | |||
TensorFlow 支持多种客户端语言下的安装和运行。截至版本1.12.0，绑定完成并支持版本兼容运行的语言为 C 和 Python，其它（试验性）绑定完成的语言为 JavaScript、C++、Java、Go 和 Swift，依然处于开发阶段的包括 C#、Haskell、Julia、Ruby、Rust 和Scala。 | |||
==== Python ==== | |||
TensorFlow 提供 Python 语言下的四个不同版本： | |||
* CPU版本（tensorflow） | |||
* 包含GPU加速的版本（tensorflow-gpu） | |||
* 以及它们的每日编译版本（tf-nightly、tf-nightly-gpu） | |||
TensorFlow 的 Python 版本支持 Ubuntu 16.04、Windows 7、macOS 10.12.6 Sierra、Raspbian 9.0 及对应的更高版本，其中 macOS 版不包含 GPU 加速。 | |||
安装 Python 版 TensorFlow 可以使用模块管理工具 pip 或 anaconda 并在终端直接运行。 | |||
=== 依赖 === | === 依赖 === | ||
| 第21行： | 第35行： | ||
包含 CUDA 指令集架构(ISA)以及 GPU 内部的并行计算引擎。 | 包含 CUDA 指令集架构(ISA)以及 GPU 内部的并行计算引擎。 | ||
==== cuDNN ==== | |||
NVIDIA cuDNN 是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行 caffe 软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。 | |||
* CUDA 与 CUDNN 的关系 | |||
cuDNN 是基于 CUDA 的深度学习 GPU 加速库，有了它才能在 GPU上 完成深度学习的计算。从官方安装指南可以看出，只要把 cuDNN 文件复制到 CUDA 的对应文件夹里就可以，即是所谓插入式设计，cuDNN是CUDA的扩展计算库，不会对CUDA造成其他影响。 | |||
=== 安装 === | === 安装 === | ||
2023年3月28日 (二) 10:29的版本
TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统，被广泛应用于各类机器学习(machine learning)算法的编程实现，其前身是谷歌的神经网络算法库 DistBelief 。
Tensorflow 拥有多层级结构，可部署于各类服务器、PC终端和网页并支持 GPU 和 TPU 高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。
TensorFlow 由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护，拥有包括 TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud 在内的多个项目以及各类应用程序接口（Application Programming Interface, API）。自 2015 年 11 月 9 日起，TensorFlow 依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码 。
语言与系统支持
TensorFlow 支持多种客户端语言下的安装和运行。截至版本1.12.0，绑定完成并支持版本兼容运行的语言为 C 和 Python，其它（试验性）绑定完成的语言为 JavaScript、C++、Java、Go 和 Swift，依然处于开发阶段的包括 C#、Haskell、Julia、Ruby、Rust 和Scala。
Python
TensorFlow 提供 Python 语言下的四个不同版本：
- CPU版本（tensorflow）
- 包含GPU加速的版本（tensorflow-gpu）
- 以及它们的每日编译版本（tf-nightly、tf-nightly-gpu）
TensorFlow 的 Python 版本支持 Ubuntu 16.04、Windows 7、macOS 10.12.6 Sierra、Raspbian 9.0 及对应的更高版本，其中 macOS 版不包含 GPU 加速。
安装 Python 版 TensorFlow 可以使用模块管理工具 pip 或 anaconda 并在终端直接运行。
依赖
- Nvidia GPU Driver: CUDA 10.1, 418.x
- ANACONDA 3-2021.11
- CUDA 10.1(CupTI)
- CUDNN SDK 7.6
基础
anaconda
Anaconda(大蟒蛇)，是一个开源的 Python 发行版本，可以用于在同一个机器上安装不同版本的软件包及其依赖。包含了 conda、Python 等 180 多个科学包及其依赖项，如：numpy、pandas等。
CUDA
CUDATM(Compute Unified Device Architecture)，是显卡厂商 NVIDIA 推出的运算平台。 一种通用并行计算架构，该架构使 GPU 能够解决复杂的计算问题。
包含 CUDA 指令集架构(ISA)以及 GPU 内部的并行计算引擎。
cuDNN
NVIDIA cuDNN 是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行 caffe 软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。
- CUDA 与 CUDNN 的关系
cuDNN 是基于 CUDA 的深度学习 GPU 加速库，有了它才能在 GPU上 完成深度学习的计算。从官方安装指南可以看出，只要把 cuDNN 文件复制到 CUDA 的对应文件夹里就可以，即是所谓插入式设计，cuDNN是CUDA的扩展计算库，不会对CUDA造成其他影响。
安装
一、安装 anaconda 3-2021.11
二、安装 cudatoolkit 10.1
https://developer.nvidia.com/cuda-10.1-download-archive-update2
P.S. 自定义安装，如果新版本比当前版本新，就安装，否则就把对勾给去掉，保留当前版本。
三、安装 cudnn 7.6.5
https://developer.nvidia.com/rdp/cudnn-archive
Download cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1
将下载下来的包解压，然后将下表中的文件放到 NVIDIA GPU Computing Toolkit\CUDA\v10.1 相应目录下。