时间:2021-05-23
使用pip可以快速便捷的安装tensorflow各个版本。
代码如下:
在安装tensorflow时需要注意,不同版本的cuda安装tensorflow的版本是有限制的,其对照关系如下:
当需要使用tensorflow objection detection API时,需要下载models。不同版本的tensorflow对应不同版本的models。
先下载models
git clone https://github.com/tensorflow/models下载的models默认是最新版本的models,如果tensorflow不是最新版本,可能存在不兼容的问题,因此需要对版本进行修改。
cd modelsgit checkout r1.13.0 #change the models version to version1.13.0还可以直接在网站上下载不同版本的models,下载地址为:https://github.com/tensorflow/models/releases
Tensorflow版本 models版本 models地址 1.14.0 1.13.0 https://github.com/tensorflow/models/tree/r1.13.0 1.13.1 1.13.0 https://github.com/tensorflow/models/tree/r1.13.0 1.12.0 1.12.0 https://github.com/tensorflow/models/tree/r1.12.0 1.11.0 1.11 https://github.com/tensorflow/models/tree/r1.11 1.10.0 1.10.0 https://github.com/tensorflow/models/tree/r1.10.0 1.9.0 1.9.0 https://github.com/tensorflow/models/tree/r1.9.0 1.8.0 1.8.0 https://github.com/tensorflow/models/tree/r1.8.0 1.7.0 1.7.0 https://github.com/tensorflow/models/tree/r1.7.0 1.6.0 1.6.0 https://github.com/tensorflow/models/tree/r1.6.0 1.5.0 1.4.0 https://github.com/tensorflow/models/tree/r1.4.0 1.4.0 1.4.0 https://github.com/tensorflow/models/tree/r1.4.0
到此这篇关于安装不同版本的tensorflow与models方法实现的文章就介绍到这了,更多相关安装不同版本的tensorflow与models内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
tensorflow版本与cuda和cudnn的对应关系:https://tensorflow.google.cn/install/source安装一定要查看C
安装步骤:模型源码:https://github.com/tensorflow/models1、下载源码后解压,修改文件夹名为models(以下步骤中涉及到路径
参考https://github.com/tensorflow/models/tree/master/slim使用TensorFlow-Slim进行图像分类准备
一、硬件要求首先,TensorFlow-gpu不同于CPU版本的地方在于,GPU版本必须有GPU硬件的支撑。TensorFlow对NVIDIA显卡的支持较为完备
在win764位,Anaconda安装的Python3.6.1下安装的TensorFlow与Keras,Keras的backend为TensorFlow。在运行