您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. tensorflow-1.4.1-cp36-cp36m-macosx_10_13_x86_64.whl

  2. 在Mac下,跑MNIST例子会提示 “Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.2 AVX AVX2 FMA”需要安装这个安装包
  3. 所属分类:深度学习

    • 发布日期:2018-02-03
    • 文件大小:38797312
    • 提供者:fly_high518
  1. cifar10 for Tensorflow1.11

  2. Google官网教程,从中文社区下下来之后,根据1.11版本的Tensorflow进行了修改,遇到问题是gpu版本依然跑在cpu上,不过能跑,
  3. 所属分类:深度学习

    • 发布日期:2018-11-07
    • 文件大小:27648
    • 提供者:squalo_zzm
  1. LeNet-5.zip

  2. LeNet卷积模型实现Mnist手写体训练,速度还可以,cpu测试一遍不会超过一小时,不用改什么参数,直接就能跑通。tensorflow,LeNet-5,minst。
  3. 所属分类:深度学习

    • 发布日期:2019-06-01
    • 文件大小:6144
    • 提供者:betrapped
  1. CPU版的tensorflow1.10.0编译出C++API的库文件VS2015

  2. 经过1天的编译,将CPU版的tensorflow1.10.0成功编译出C++API的库文件,可以使用C++编写调用tensorflow跑例程,跑训练出来的模型,并支持GPU训练出的模型,本人亲试没有问题,需要的可以下载,环境为VS2015-64位
  3. 所属分类:C++

    • 发布日期:2020-01-02
    • 文件大小:83886080
    • 提供者:qq385105501
  1. 用SSD模型在Win7下仅CPU的Tensorflow跑目标检测 .docx

  2. 用SSD模型在Win7下仅CPU的Tensorflow跑目标检测,此时注意,有些包像直接下载子文件名object detection,导致各个包里面的东西确实,导致运行程序时出现各种错误,因为本人已经下了好几个不同大小的object detection。
  3. 所属分类:深度学习

    • 发布日期:2019-07-13
    • 文件大小:780288
    • 提供者:weixin_40255359
  1. 使用Tensorflow-GPU禁用GPU设置(CPU与GPU速度对比)

  2. 禁用GPU设置 # 在import tensorflow之前 import os os.environ['CUDA_VISIBLE_DEVICES'] = '-1' CPU与GPU对比 显卡:GTX 1066 CPU GPU 简单测试:GPU比CPU快5秒 补充知识:tensorflow使用CPU可以跑(运行),但是使用GPU却不能用的情况 在跑的时候可以让加些选项: with tf.Session(config=tf.ConfigProto(allow_soft_placement=T
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:69632
    • 提供者:weixin_38617413
  1. tensorflow学习教程之文本分类详析

  2. 前言 这几天caffe2发布了,支持移动端,我理解是类似单片机的物联网吧应该不是手机之类的,试想iphone7跑CNN,画面太美~ 作为一个刚入坑的,甚至还没入坑的人,咱们还是老实研究下tensorflow吧,虽然它没有caffe好上手。tensorflow的特点我就不介绍了: 基于Python,写的很快并且具有可读性。 支持CPU和GPU,在多GPU系统上的运行更为顺畅。 代码编译效率较高。 社区发展的非常迅速并且活跃。 能够生成显示网络拓扑结构和性能的可视化图。 ten
  3. 所属分类:其它

    • 发布日期:2020-12-25
    • 文件大小:230400
    • 提供者:weixin_38548589
  1. Windows10环境下配置Tensorflow(CPU版本)

  2. 先放出最终成功版本:win10 + python3.6 + tensorflow1.6.0 + keras2.2.4 *背景:*因为想在电脑上跑LSTM,于是开始了这场漫长的tensorflow环境配置之旅,话不多说,开启正文: 尝试1: 像大多数人一样,按照网上教程(比如这篇博客)安装Anaconda,然后安装tensorflow。但是我一步步乖乖安装后,在Anaconda中import tensorflow 却一直提示:ImportError: No module named ‘tensor
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:46080
    • 提供者:weixin_38529486
  1. 对Tensorflow中Device实例的生成和管理详解

  2. 1. 关键术语描述 kernel 在神经网络模型中,每个node都定义了自己需要完成的操作,比如要做卷积、矩阵相乘等。 可以将kernel看做是一段能够跑在具体硬件设备上的算法程序,所以即使同样的2D卷积算法,我们有基于gpu的Convolution 2D kernel实例、基于cpu的Convolution 2D kernel实例。 device 负责运行kernel的具体硬件设备抽象。每个device实例,对应系统中一个具体的处理器硬件,比如gpu:0 device, gpu:1 devic
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:185344
    • 提供者:weixin_38613640
  1. Tensorflow不支持AVX2指令集的解决方法

  2. 这几天研究了一下FCN(全卷积网络),由于电脑配置不够,用GPU训练直接报OOM(内存溢出)了, 于是转战CPU,当然,这样会很慢,之后会继续搞一下,减小一下网络的复杂度,对一些参数设置一波,看能不能正常跑下来。 记得一开始没有装GPU版的tensorflow时用CPU版本跑程序的时候总是报警告:Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2,当时没有太在意,
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:220160
    • 提供者:weixin_38681628
  1. Win10下安装并使用tensorflow-gpu1.8.0+python3.6全过程分析(显卡MX250+CUDA9.0+cudnn)

  2. —–最近从github上找了一个代码跑,但是cpu训练的时间实在是太长,所以想用gpu训练一下,经过了一天的折腾终于可以用gpu进行训练了,嘿嘿~ 首先先看一下自己电脑的显卡信息: 可以看到我的显卡为MX250 然后进入NVIDIA控制面板->系统信息->组件 查看可以使用的cuda版本 这里我先下载了cuda10.1的版本,不过后来我发现tensorflow-gpu 1.8.0仅支持cuda9.0的版本,所以之后我又重装了一遍cuda9.0,中间还经历了删除cuda10.0,两
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:575488
    • 提供者:weixin_38617846
  1. football-源码

  2. 描述 足球ML预测器和赔率检索器 入门 运行npm install。 这将运行TS编译器 npm install 注册帐户(我使用免费帐户) 在config目录下创建一个debug.json并添加您的密钥,如下所示: { "sportRadar": { "nfl_api": "your_key" }, "theOddsApi":{ "api_key":"your_key" } } TensforFlow 您可能需要本地编译TensorFlow才能与您的CP
  3. 所属分类:其它

    • 发布日期:2021-03-13
    • 文件大小:828416
    • 提供者:weixin_42128963
  1. TensorFlow架构

  2. 本文来自于作者hzyido,主要讲解了跨设备通信的做法,还讲解事例一些细节的概念等等。TensorFlow,以下简称TF,是Google去年发布的机器学习平台,发布以后由于其速度快,扩展性好,推广速度还是蛮快的。江湖上流传着Google的大战略,Android占领了移动端,TF占领神经网络提供AI服务,未来的趋势恰好是语音图像以及AI的时代,而GoogleIO上发布的Gbot似乎正是这一交叉领域的初步尝试。TF的特点之一就是可以支持很多种设备,大到GPU、CPU,小到手机平板,五花八门的设备都可
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:1048576
    • 提供者:weixin_38652196
  1. TensorFlow技术框架解析|图文理解深度学习技术实现

  2. 本文来自于csdn,本文章主要介绍了深度学习框架TensorFlow入门及相关问题和部署方案,带你了解tensorflow实现,希望对您的学习有帮助。先来认识一下TF的价值:TensorFlow,是Google在15年年底发布的机器学习平台,发布以后由于其速度快,扩展性好,推广速度也很快。Google的大战略:Android占领了移动端;TF占领神经网络提供AI服务。未来的趋势恰好是语音图像以及AI的时代。TF的特点之一就是可以支持很多种设备,大到GPU、CPU,小到手机平板,五花八门的设备都可
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:1048576
    • 提供者:weixin_38625192
  1. 分布式运算白花钱警告:使用tensorflow分布式必须注意ps server空耗资源

  2. 为武汉祈祷。 问题一 ps server 不会主动停止,无论在什么情况下。这个问题从2016年提出,到现在,也没有一个简洁干净的解决方式,而这个问题会很严重,如果你使用的是租用资源,会白白花费很多钱钱。 我注意到,ps server不论是使用gpu还是cpu资源都不会主动停止,即使worker已经训练完停止了,甚至是遇到错误,ps server仍旧会运行。 这就会导致这个进程对节点资源的持续占有,即使没有使用GPU资源。 这种情况是按照全部使用计费的!!!我的客服工程师在初期错误程序出现这一情况
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:60416
    • 提供者:weixin_38569166
  1. Win10下安装并使用tensorflow-gpu1.8.0+python3.6全过程(显卡MX250+CUDA9.0+cudnn)

  2. —–最近从github上找了一个代码跑,但是cpu训练的时间实在是太长,所以想用gpu训练一下,经过了一天的折腾终于可以用gpu进行训练了,嘿嘿~ 首先先看一下自己电脑的显卡信息: 可以看到我的显卡为MX250 然后进入NVIDIA控制面板->系统信息->组件 查看可以使用的cuda版本 这里我先下载了cuda10.1的版本,不过后来我发现tensorflow-gpu 1.8.0仅支持cuda9.0的版本,所以之后我又重装了一遍cuda9.0,中间还经历了删除cuda10.0,
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:1048576
    • 提供者:weixin_38534683
  1. Keras版VGG11识别MNIST手写数字

  2. VGG对硬件要求较AlexNet高,一般CPU跑起来很慢,最好用GPU。 首先引入相关库 from tensorflow.keras.models import Sequential, Model from tensorflow.keras.layers import ZeroPadding2D, Convolution2D, MaxPooling2D, Dropout, Activation, Flatten import numpy as np from keras.utils impor
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:46080
    • 提供者:weixin_38723810