win7+GTX1060配置及运行TensorFlow
本机配置
- 操作系统: Windows 7 旗舰版 64位 SP1
- 处理器: AMD A8-7600 Radeon R7, 10 Compute Cores 4C+6G 四核
- 主板: 铭瑄 MS-A88FX FS
- 内存:16 GB
- 显卡: Nvidia GeForce GTX 1060 3GB ( 3 GB / Nvidia )
配置TensorFlow
- 安装Python3版本的Anaconda(目前TensorFlow只支持Python3),安装完成后打开IPython看能否正常运行。
- 安装TensorFlow。
pip install --ignore-installed --ignore-installed https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl
- 安装cuda8.0,默认安装,不要升级显卡驱动。
- 安装cudnn5.1,解压后将里面的内容放到CUDA的安装目录(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0)下面相对应的目录里面,bin的放到bin,lib的放到lib,include的放到include
- 启动Python,输入import tensorflow as tf回车,无报错说明安装成功,若遇到无法加载等错误可参考此链接。
- 编写MNIST字符集的logistic regression测试脚本
import os
import numpy as np
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import time#使用tensorflow自带的工具加载MNIST手写数字集合
mnist = input_data.read_data_sets('./data/mnist', one_hot=True) #查看一下数据维度
mnist.train.images.shape#查看target维度
mnist.train.labels.shapebatch_size = 128
X = tf.placeholder(tf.float32, [batch_size, 784], name='X_placeholder')
Y = tf.placeholder(tf.int32, [batch_size, 10], name='Y_placeholder')
w = tf.Variable(tf.random_normal(shape=[784, 10], stddev=0.01), name='weights')
b = tf.Variable(tf.zeros([1, 10]), name="bias")
logits = tf.matmul(X, w) + b# 求交叉熵损失
entropy = tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=Y, name='loss')
# 求平均
loss = tf.reduce_mean(entropy)learning_rate = 0.01
optimizer = tf.train.AdamOptimizer(learning_rate).minimize(loss)
#迭代总轮次
n_epochs = 30with tf.Session() as sess:# 在Tensorboard里可以看到图的结构writer = tf.summary.FileWriter('G:\logs\logistic_reg', sess.graph)start_time = time.time()sess.run(tf.global_variables_initializer()) n_batches = int(mnist.train.num_examples/batch_size)for i in range(n_epochs): # 迭代这么多轮total_loss = 0for _ in range(n_batches):X_batch, Y_batch = mnist.train.next_batch(batch_size)_, loss_batch = sess.run([optimizer, loss], feed_dict={X: X_batch, Y:Y_batch}) total_loss += loss_batchprint('Average loss epoch {0}: {1}'.format(i, total_loss/n_batches))print('Total time: {0} seconds'.format(time.time() - start_time))print('Optimization Finished!')# 测试模型preds = tf.nn.softmax(logits)correct_preds = tf.equal(tf.argmax(preds, 1), tf.argmax(Y, 1))accuracy = tf.reduce_sum(tf.cast(correct_preds, tf.float32))n_batches = int(mnist.test.num_examples/batch_size)total_correct_preds = 0for i in range(n_batches):X_batch, Y_batch = mnist.test.next_batch(batch_size)accuracy_batch = sess.run([accuracy], feed_dict={X: X_batch, Y:Y_batch}) total_correct_preds += accuracy_batch[0]print('Accuracy {0}'.format(total_correct_preds/mnist.test.num_examples))writer.close()
程序运行结果:
Average loss epoch 0: 0.386188891549141
Average loss epoch 1: 0.2928179784185125
Average loss epoch 2: 0.2852246012616824
Average loss epoch 3: 0.27798929725424115
Average loss epoch 4: 0.2735775725130157
Average loss epoch 5: 0.27435725642528846
Average loss epoch 6: 0.27225190203089816
Average loss epoch 7: 0.26754918753545043
Average loss epoch 8: 0.2679311280900782
Average loss epoch 9: 0.26619768052390125
Average loss epoch 10: 0.2657872581711182
Average loss epoch 11: 0.26270394603828173
Average loss epoch 12: 0.2634125579070378
Average loss epoch 13: 0.26032830872041085
Average loss epoch 14: 0.26209098145817267
Average loss epoch 15: 0.25789975548610267
Average loss epoch 16: 0.25587266562007244
Average loss epoch 17: 0.260971031405709
Average loss epoch 18: 0.25762249581463686
Average loss epoch 19: 0.2562635491986375
Average loss epoch 20: 0.2569686156678033
Average loss epoch 21: 0.25794098736383975
Average loss epoch 22: 0.2525084098249604
Average loss epoch 23: 0.2554589692147184
Average loss epoch 24: 0.25341148514708717
Average loss epoch 25: 0.2505091481379696
Average loss epoch 26: 0.2527797804984735
Average loss epoch 27: 0.25004024197518965
Average loss epoch 28: 0.2527508559552106
Average loss epoch 29: 0.25222783740653304
Total time: 90.89096117019653 seconds
Optimization Finished!
Accuracy 0.9145
- 上一步会将运行形成的graph保存到程序中的自定义目录G:\logs\logistic_reg下,在cmd中首先进入G盘,然后使用如下命令启动tensorboard:
tensorboard --logdir=logs
之后根据提示的IP和port在谷歌浏览器中打开
参考链接
- http://www.cnblogs.com/zlslch/p/6964983.html
- http://blog.csdn.net/infovisthinker/article/details/54705826
win7+GTX1060配置及运行TensorFlow相关推荐
- iis7设置html支持asp,Win7下启用IIS7配置ASP运行环境的详细方法
第一次在windows7下配置IIS,虽然有丰富的xp下配置IIS的经验,但还是会遇到不少的问题.特别是对入门者来说,搞清一些东西还是挺费时间的.其实win7下的IIS7配置过程是非常简单的.下面让s ...
- GPU运行Tensorflow详细教程及错误解决
GPU运行Tensorflow详细教程及错误解决 前提条件 配置GPU运行 确认是否成功配置 出现的错误及解决方案 前提条件 最重要的一点:CUDA与tensorflow的版本一点要对应,不然用不了! ...
- win7怎么配置程序服务器错误日志文件,win7怎么配置程序服务器
win7怎么配置程序服务器 内容精选 换一换 园区智能体服务的边缘算法作业会下发到边缘节点服务器运行,需要在IEF侧注册并纳管边缘节点.园区智能体的算法作业是以容器应用的方式下发到边缘节点运行的,因此 ...
- Cocos2d-x win7 + vs2010 配置图文详解(亲测)
Cocos2d-x win7 + vs2010 配置图文详解(亲测) 下载最新版的cocos2d-x.打开浏览器,输入cocos2d-x.org,然后选择Download,本教程写作时最新版本为coc ...
- Win7环境配置Oracle 11g安装与配置过程
这篇随笔作为新人的我的开场,主要用来帮助我自己以后在Win7环境配置oracle 11g时能有个提醒.当然不同Windows版本安装大同小异,所以也可以给需要的人一些借鉴. 一:下载安装包 直接从官网 ...
- yunyang tensorflow-yolov3 Intel Realsense D435 (并发)使用locals()函数批量配置摄像头运行识别程序并画框(代码记录)(代码示例)
文章目录 20191126 20191202-1 20191202-2 20191126 # -*- encoding: utf-8 -*- """ @File : te ...
- 使用Pycharm运行TensorFlow,Virtualenv安装TensorFlow
使用Pycharm运行TensorFlow,Virtualenv安装TensorFlow @(Machine Learning with Python) 系统:MacOS 10.13 本篇关注的是两个 ...
- 运行tensorflow程序,出现ImportError: cannot import name '_validate_lengths'错误的解决办法
运行tensorflow程序,出现ImportError: cannot import name '_validate_lengths'错误的解决办法 如下图: 原因 问题原因:这是skimage版本 ...
- win10+python3.66+vs2017+cuda9.2下运行tensorflow版的faster-Rcnn编译训练
win10+python3.66+vs2017+cuda9.2下运行tensorflow版的faster-Rcnn 配置Faster-RCNN(网上找的的都是基于python3.5的,不支持py3.6 ...
最新文章
- 网络推广期间怎样的网站外链才是被网络推广优化所需要的?
- 多看看把,条件太多了--leetcode 93. 复原 IP 地址
- 【算法】ROI Align 原理
- java虚拟机编译文件,理解Java虚拟机(1)之一个.java文件编译成.class文件发生了什么...
- android字符串显示textview,Android编程:TextView不显示完整字符串
- C#读取文本数据(按行读取)
- 二叉树的深度优先遍历(DFS)与广度优先遍历(BFS)
- php 判断赋值 简写,PHP IF 判断简写
- zedboard实现流水灯
- Java中的一些基础概念
- VIVE Input Utility
- android applock 源码,AppLock | F-Droid - Free and Open Source Android App Repository
- Python暴力破解ZIP文件密码
- 关于晶圆介绍以及IGBT晶圆的应用
- springcloud如何制作一个物联网产品
- CCF201809-3
- 西游记笔记与想法(1)
- 计算机桌面锁在哪里设置,怎么设置电脑屏幕锁
- 《社交困境》:算法抓住了人类的弱点……
- 微信支付获取prepay_id以及回调地址
热门文章
- UnityStandardAsset工程、源码分析_7_第三人称场景[玩家控制]_人物逻辑
- jackson序列化错误 get类型方法名的坑 [com.fasterxml.jackson.databind.exc.InvalidDefinitionException]
- 计算机核心刊物投稿心得
- ios时间戳和日期的一些转换,如具体时间,年龄,星座等等
- Linux的上传和下载文件到Window_scp指令
- OFD转PDF ~java实现
- 2020天池 “数字人体”视觉挑战赛_VNNI赛道_冠军_方案分享
- 编写程序,如果输入的是大写字母,则输出对应的小写字母,如果输入的是小写字母,则输出对应的大写字母;如果输入的是数字,原样输出;按回车结束
- java调用其他java项目的Https接口
- PreScan快速入门到精通第二十八讲PreScan中常用传感器之TIS传感器