Python 语言和 TensorFlow 框架环境准备
2021/9/20 22:27:20
本文主要是介绍Python 语言和 TensorFlow 框架环境准备,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
Python 与 TensorFLow 环境搭建
Python 语言简介
- Python 是目前人工智能领域使用最广泛的语言 Python 语言是荷兰人 Guido van rossun 于 1989 年开始开发,并于 1991 年推出了第一个正式版本
- Python 语言名字的由来据说是基于 Guido van Rossum 对一个英国喜剧团体 Monty Python 的喜爱; Python 本身是“蟒蛇”的意思
- Python 语言面世以来,其语法优雅简洁而又不失严谨,编程快捷而又易于扩展,很快受到大家的喜爱
Python 语言特点
- 解释型高级计算机语言
- 免费开源
- 语法优雅简洁,编程快捷方便
- 易于扩展,有大量成熟类库
Python 语言的分支版本
Python 2.X
- 早期版本,存在一些缺陷
- 由于历史原因,使用者仍很多,可用类库也很多
- 2020 年将不再被支持
Python 3.X
- 语法更严谨规范
- 更好的面向对象编程支持
- 改进的 Unicode 编码支持可以更好地支持英文外的各种语言(包括中文)
- 迭代器、字典处理、文件处理等更完善的编程功能改进和类库支持
主流的深度学习开发框架
- 老牌的平台:Theano、Caffe、Torch
- 较新的平台:TensorFlow(Google)、CNTK(Microsoft)、PaddlePaddle(Baidu)、MXNet(Apache)
TensorFlow 的特点
- 良好的企业支持及文档
- 选用使用广泛的 Python 语言为主并能应用于 C++、Java、 Javascript、Swift、Golan 等多种常用开发语言
- 功能齐全(具备 GPU 加速支持等)、性能相对较优异
- 概念、模式较规范
Python 的安装
点击此处 打开 Python 官网
在 CMD 中输入 python
出现如下界面表示安装成功:
通过输入 quit()
即可退出:
在 CMD 中输入如下命令验证 pip 是否安装成功:
pip --version
TensorFlow 的安装
点击此处 打开 TensorFlow 官网
可以通过 pip 安装。在此之前,在 CMD 中输入如下命令切换到国内镜像源:
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
注意:如果你开启了网络代理,先将它关闭。
在命令行中输入如下命令即可安装 TensorFlow:
pip install tensorflow
安装 TensorFlow时可能的问题:
- 预先安装 MicrosoftⅤ Visual c++ Redistributable
- 预先安装 Microsoft build tools
- 某些计算机的CPU(主要是支持的指令集较为特殊,需要在网络上搜索对应CPU的版本
这篇关于Python 语言和 TensorFlow 框架环境准备的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-10-30tensorflow是什么-icode9专业技术文章分享
- 2024-10-15成功地使用本地的 NVIDIA GPU 运行 PyTorch 或 TensorFlow
- 2024-01-23供应链投毒预警 | 恶意Py包仿冒tensorflow AI框架实施后门投毒攻击
- 2024-01-19attributeerror: module 'tensorflow' has no attribute 'placeholder'
- 2024-01-19module 'tensorflow.compat.v2' has no attribute 'internal'
- 2023-07-17【2023年】第33天 Neural Networks and Deep Learning with TensorFlow
- 2023-07-10【2023年】第32天 Boosted Trees with TensorFlow 2.0(随机森林)
- 2023-07-09【2023年】第31天 Logistic Regression with TensorFlow 2.0(用TensorFlow进行逻辑回归)
- 2023-07-01【2023年】第30天 Supervised Learning with TensorFlow 2(用TensorFlow进行监督学习 2)
- 2023-06-18【2023年】第29天 Supervised Learning with TensorFlow 1(用TensorFlow进行监督学习 1)