到酒店房间开始热吻,阳茎伸入女人阳道视频免费,午夜不卡无码中文字幕影院

本文首發(fā)在CSDN博客:http://blog.csdn.net/xxzhangx/article/details/54379255

前幾天，谷歌推出了windows對tensorflow的支持，我參考下面兩篇博文來安裝了我的tensorflow。

為表示對原創(chuàng)作者的尊敬，先列出參考的文章。

參考文獻
https://m.aliyun.com/yunqi/articles/68435
http://blog.csdn.net/zhuxiaoyang2000/article/details/54317206

第一步：安裝CUDNN

這里選擇的是cuda_8.0.44_win10，鏈接
為：https://developer.nvidia.com/cuda-downloads

網(wǎng)站截圖：

cuda

1.18G，下載完后，直接安裝，改為自定義方式，不用修改安裝目錄，就安裝在C盤下，方便后面的文件操作。
或去我的百度云網(wǎng)盤下載：鏈接：http://pan.baidu.com/s/1c2KdNgO 密碼：gwm1

第二步：編譯cuda

說明
電腦必須安裝Microsoft Visual Studio，10、12、13、15，這4個版本任意一個都可以。

VS編譯器

安裝完成后，打開Sample路徑：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0，選擇與本機Visual Studio相對應(yīng)的Solution版本，這里選擇的是Sample_vs2015.sln。然后分別編譯Release和Debug版本。

編譯過程

然后漫長的等待，對Release編譯一次，然后切換到Debug下，編譯一次。圖中發(fā)現(xiàn)我的編譯在某些庫上報錯了，其原因我也不知道，但是對后面的運行暫時沒發(fā)現(xiàn)錯誤。

編譯完成后，Win+R打開命令行窗口，cd C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release，運行deviceQuery，如果顯示如下畫面，則安裝成功。

cuda編譯測試

第三步：安裝cuDNN

這里我不知道為什么要安裝，在參考文章中有說要安裝，那就根據(jù)別人成功的例子來，少踩坑。

版本號：cudnn-8.0-windows-x64-v5.1，這里可以直接用的，百度云鏈接：鏈接：http://pan.baidu.com/s/1gf9ior5 密碼：so8m

我是將cudnn中的文件直接放在目錄 C:\ProgramData\NVIDIA GPU Computing Toolkit\v8.0

cudnn

第四步：安裝python

這里采用的是anaconda 4.2 python 3.5，下載網(wǎng)址：https://www.continuum.io/downloads

婀娜conda3 python 3.5

或者去我的百度云下載：鏈接：http://pan.baidu.com/s/1nuQqMPr 密碼：gl4h

第五步：安裝tensorflow

完全根據(jù)文章中的流程來做，鏈接https://m.aliyun.com/yunqi/articles/68435

下載完后安裝好，然后打開cmd，切換到anaconda4的scripts下：cd E:\Anaconda3\Scripts，用conda create --name tensorflow python=3.5 創(chuàng)建環(huán)境，可在env下查看參加的tensorflow環(huán)境

tensorflow環(huán)境

依次執(zhí)行下面的代碼：

activate tensorflow
conda install jupyter
conda install scipy
pip install tensorflow

注意：每次提示都選擇“y”或“是”，下載時最好能連上VPN，這樣能保證下載穩(wěn)定少出錯。

下面依次貼圖說明：

先激活tensorflow：

activate tensorflow

安裝juypter
再繼續(xù)輸入：

conda install jupyter

圖

安裝juypter

安裝常用的python包，例如scipy

安裝python常用包

安裝tensorflow

安裝tensorflow

或直接下載到本地來安裝，去https://pypi.python.org/pypi 搜索對應(yīng)的版本：

tensorflow 非gpu: python 2.7 和 3.5

非gpu-tensorflow

tensorflow-gpu: python 3.5

gpu-tensorflow

本地安裝

在juypter下測試:
打開juypter下測試MNIST 數(shù)據(jù)集

打開Notebook環(huán)境

測試代碼：

import tensorflow as tf
x = tf.placeholder(tf.float32, [None, 784])
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

for i in range(1000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))#結(jié)果

測試代碼截圖如下：