anaconda配置深度學習環境

1.cd到anaconda安裝包目錄下，安裝anaconda：

bash anaconda3-5.0.1-linux-x86_64.sh

3.執行conda指令，此時可能提示找不到conda指令，使用指令（***為自己的使用者名稱）：

即可使用conda指令。

開啟終端（命令列），輸入以下內容，建立乙個名為

py3.7的隔離環境。

conda create -n py3.7 python=3.7

conda activate py3.6

conda install tensorflow-gpu

conda install numpy, scipy, matplotlib, pandas,scikit-learn,scikit-image

到此，tensorflow-gpu 深度學習環境就算配置好了。我們沒有手動安裝 cuda 和 cudnn，這是因為 conda 在安裝 tensorflow 時會自動在隔離環境中安裝合適版本的 cuda 及 cudnn。

import tensorflow as tf

import numpy as np
# 使用 numpy 生成假資料(phony data), 總共 100 個點.
x_data = np.float32(np.random.rand(2, 100)) # 隨機輸入
y_data = np.dot([0.100, 0.200], x_data) + 0.300
# 構造乙個線性模型
#b = tf.variable(tf.zeros([1]))
w = tf.variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(w, x_data) + b
# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.gradientdescentoptimizer(0.5)
train = optimizer.minimize(loss)
# 初始化變數
init = tf.initialize_all_variables()
# 啟** (graph)
sess = tf.session()
sess.run(init)
# 擬合平面
for step in range(0, 201):
sess.run(train)
if step % 20 == 0:
print (step, sess.run(w), sess.run(b))
# 得到最佳擬合結果 w: [[0.100  0.200]], b: [0.300]

pycharm部署 配置anaconda環境的教程

pycharm部署anaconda程式設計客棧環境 anaconda 開源的python發行版本 專注於資料分析的python版本 包含大量的科學包 環境基本指令 準備工作 conda version 檢視anaconda版本 安裝時候正確 conda upgrade all 程式設計客棧公升級所有...

Docker配置Pytorch深度學習環境

docker pull pytorch pytorch 1.9.1 cuda11.1 cudnn8 devel docker images docker run it v home cenjw dataset home data v home cenjw kt home ktmodel gpus a...

在Windows中配置anaconda環境

anaconda安裝完成之後需要配置環境，過程如下 1.開啟 anaconda prompt 輸入 conda list 檢視所帶攜帶的包，如下圖會出來很多的包，這裡只是其中一部分 2.輸入 conda version 檢視 anaconda 的版本，如圖所示，我的版本是4.5.11 3.輸入 co...