查看: 4043|回复: 35
Windows10 X64环境GTX1080Ti TensorFlow Deep Learning搭建教程
主题帖子积分
门户文章40
本帖最后由 gaojie20 于
00:06 编辑
/thread--1.html
正好前两天有玩家谈到了DL算法应用的装机需求，顾起此文聊一下深度学习的需求和WINDOWS10下的简单架设
GTX1080TI比GTX1080最大的提升是什么？
1、INT8/FP32的算法提升
anandtech放出了一张参数对比图表，其实仔细看是有点问题的，我就从这点问题说起。
FP64：计算双精度浮点运算。FP32：计算单精度浮点运算。FP16：计算半精度浮点运算。INT8：8-bit的整数运算(一个字节)，新增的增强8位整数支持是可以在一个周期内, 对打包在32-bit里的4个8位整数(记做:A0A1A2A3), 完成操作:Y = A0 * B0 + A1 * B1 + A2 * B2 + A3 * B3 + X其中Y和X均为32-bit整数, A和B均为8-bit整数，理论上INT8能以400%的性能(相比于float)完成8-bit整数的点乘和累加操作. 对最近流行的神经网络推导很有用途.
那来看看GTX1080TI GP102的各种运算的比值FP64:FP32=1:32双精度运算能力是单精度运算能力的1/32FP16:FP32=1:64半精度运算能力是单精度运算能力的1/64INT8:FP32=4:1INT8运算能力是单精度运算能力的4倍
GTX 1080 Ti获得了与Titan X相同的4:1 INT8性能比，这对于深度学习的神经网络推理性能至关重要。因此，GTX 1080 Ti实际上具有比Titan X更高的计算性能，除非需要Titan X提供的最后1GB显存，否则GTX 1080 Ti会更加划算，所以除了Titan Xp，GTX1080TI是无敌的存在了。而1080的INT8是不是如图中NA描述的一点都没有呢？实际上不是的。
GP104 GTX1080
FP64:FP32=1:32双精度运算能力是单精度运算能力的1/32FP16:FP32=1:64半精度运算能力是单精度运算能力的1/64INT8:FP32=2:1INT8运算能力是单精度运算能力的2倍
所以除了架构上的CUDA单元区别，对于INT8/FP32的性能增幅，GTX1080TI是GTX1080的两倍。这也是GTX1080TI对比GTX1080最大的提升了，其实游戏这些而言提升真的远不如INT8/FP32的翻倍提升来的明显。
2、CUDA的单元提升
GTX1080TI构架
GTX1080构架
GTX 1080 Ti提供了超过11.3 TFLOPS的FP32性能，着色/纹理性能比当前的GTX 1080提前28％，而ROP吞吐量优势为26％，内存带宽则大大增加了51.2％。小结论：所以如果你只是要玩玩游戏的话，其实1080已经足够你玩了，1080TI对比1080的提升游戏不是重点，除非你要玩深度学习，否则你没啥必要从1080换到1080TI的。说道深度学习不得不说到由Python提供支持的领先的开放数据科学平台Anaconda已经支持WIN10 X64了，这解决了过去只能在LINUX下运行的尴尬，也给了大众一个进入深度学习的捷径。
那么我也拿一张GTX1080TI来晒个单顺便演示下如何在WIN10 X64下进行深度学习平台的搭建。
第一章、开箱
ZOTAC索泰旗下的PGF OC（玩家力量至尊 OC）显卡是他们目前的最高端产品，主打正反两面的1600色LED酷炫灯光和夸张的供电设计。GTX1080Ti-11GD5X PGF OC供电区域有16+2相供电，基本属于同类产品中供电数最夸张的之一，整卡功耗320W。
型号为ZOTEC GTX1080TI-11GD5X PGF
拆箱就是附件盒
卡皇本体和显卡支架
白色的LED灯管，三风扇设计
背面使用了带有透明镂空的金属镶嵌塑料的背板设计
POWER BOOST芯片
ZOTEC的MICROUSB调试接口
侧面看厚度是足足的三槽设计，虽然是双槽挡板
ZOTEC的LOGO灯
双8PIN外接供电
底部一样可以看到密集的热管阵列
<font color="#DP 1HDMI 1DVI的IO组合
前侧能看到四热管
这张卡其实是无比庞大的，单看卡真看不出，我拿出GTX1080公版一对比，就能看出，PGF这卡比1080公版可是粗壮太多了。
第二章、简测
测试平台：
CPU：INTEL XEON E5 2696 V3主板：华擎X99E-ITX/AC已刷鸡血BIOS内存：三星M391A2K43BB1-CRCQ&&DDR4 2400 ECC 16GBX2SSD：三星SM961 1TB显卡：索泰PGF GTX1080TI 11GB DDR5X散热：金钱豹4U+安耐美白蝠UCCL9电源：酷冷V850/白色定制硅胶线WIFI：INTEL 7260 AC
关于这个鸡血BIOS的特效如下：
无标题_副本.jpg (149.11 KB, 下载次数: 1)
19:04 上传
捕获2.JPG (80.32 KB, 下载次数: 1)
19:05 上传
特点是一次BIOS刷新之后，无需EFI分区写入微码终身有效！
我提供一下ASROCK X99E ITX/AC的鸡血BIOS下载：
密码: yyap
轻载状态：蓝灯
满载状态：红灯
FIRE STRIKE ULTRA 7009
TIME SPY 9578
TIME SPY压力测试98.9
FIRE STRIKE ULTRA压力测试97.3
VRMARK BLUE ROOM 3135
VRMARK ORANGE ROOM 3135
<font color="#DMARK FIRE STRIKE ULTRA测试最高温度64度
<font color="#DMARK FIRE STRIKE ULTRA压力测试最高温度65度
甜甜圈拷机了快一个小时，也就63度附近。但是这不是最搞笑的，搞笑的是在裸奔平台上，除了甜甜圈和3DMARK稳定性测试之外，其他测试显卡满载，风扇竟然是不转的，害我以为风扇坏了。。。。。。这散热貌似做的也太变态了一些，温度确实控制得很低。
索泰的APP我就装了看了一下，不是超频党也不是游戏党，所以我主动掠过。
第三章、WIN10 X64平台下的深度学习入门搭建
WIN10 X64下搭建深度学习的平台而言，Anaconda For Windows会相对配置简单得多，可作为首选的入门搭建平台推荐，其实Anaconda官网也给了WIN10下的安装说明，但是版本出得太勤快了，版本插件多了兼容小问题也多起来了，别看就那么短短的几行代码，具体执行起来撞头破血流的不在少数，所以我亲测了一个WIN10 X64下的一条龙安装流程仅供参考。
1、安装Anaconda 4.3.1For Windows
Anaconda是由Python提供支持的领先的开放数据科学平台。 Anaconda的开源版本是Python和R的高性能分发版本，包括超过100个用于数据科学的最流行的Python，R和Scala软件包。
ANACONDA：Anaconda 4.3.1For WindowsPython 3.6 version 64BIT INSTALLER :
2、安装Python并且创建环境
Python是纯粹的自由软件，语法简洁清晰，特色之一是强制用空白符(white space)作为语句缩进。具有丰富和强大的库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。常见的一种应用情形是，使用Python快速生成程序的原型（有时甚至是程序的最终界面），然后对其中有特别要求的部分，允许你用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。
使用管理员权限打开Anaconda Prompt
conda create -n tensorflow python=3.5复制代码
更新输入y复制代码
此时安装进行更新。
3、激活环境
activate tensorflow复制代码
4、环境检验
输入conda info --envs复制代码
如图星号对应你的安装目录为成功
5、安装tensorflow
TensorFlow(TM)是使用数据流图进行数值计算的开源软件库。灵活架构允许使用单个API将计算部署到桌面，服务器或移动设备中的一个或多个CPU或GPU。TensorFlow最初是由Google机器智能研究机构的Google Brain团队研究人员和工程师开发的，用于进行机器学习和深层神经网络研究，但该系统普遍足以适用于各种其他领域。
填坑：首先要填坑是因为一个小bug，如果不解决的话，安装tensorflow时出现 “Cannot remove entries from nonexistent file c:programDataanaconda3libsite-packageseasy-install.pth”，因为setuptools版本27.2.0太低，tensorflow要求29.0.1，所以匹配上不兼容，使用以下命令忽略安装的 setuptools版本可以解决。pip install --upgrade --ignore-installed setuptools复制代码
针对GPU安装，输入
pip install --upgrade &a href=&/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl& target=&_blank&&/t ... cp35m-win_amd64.whl&/a&复制代码
针对CPU安装，输入pip install --upgrade &a href=&/tensorflow/windows/cpu/tensorflow-0.12.0-cp35-cp35m-win_amd64.whl& target=&_blank&&/t ... cp35m-win_amd64.whl&/a&复制代码
6、GPU tensorflow依赖库
前置任务：安装vc_redist.x64.exe
CUDA的正常运行需要VC++环境的支持。
/download/9/3/F/93FCF1E7-E6A4-478B-96E7-D4B/vc_redist.x64.exe
GPU tensorflow依赖库有两个，
第一个：CUDA 8.0
/compute/cuda/8.0/Prod2/local_installers/cuda_8.0.61_win10-exe
下载后安装。
第二个：cudnn5.1
解压后呈现如上三个文件夹
把这三个文件夹复制到CUDA8.0的安装目录文件夹内，如上图所示。
7、TensorFlow 运行样本测试
简单的矩阵乘法测试import tensorflow as tf&&复制代码hello = tf.constant('Hello, TensorFlow!')&&复制代码sess = tf.Session()&&复制代码a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')&&复制代码b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')&&复制代码&p itemprop=&description& style=&color: rgb(153, 153, 153); outline: 0 line-height: 20 word-break: break- font-size: 12& hiragino=&& sans=&& gb&,=&& µsoft=&& yahei&,=&& sans-&=&&&
&/p&&p itemprop=&description& style=&outline: 0 line-height: 20 word-break: break- font-size: 12& hiragino=&& sans=&& gb&,=&& µsoft=&& yahei&,=&& sans-&=&&&&font color=�&&c = tf.matmul(a, b)&&&/font&&/p&复制代码&p itemprop=&description& style=&outline: 0 line-height: 20 word-break: break- font-size: 12& hiragino=&& sans=&& gb&,=&& µsoft=&& yahei&,=&& sans-&=&&&&font color=�&&
&/font&&/p&&p itemprop=&description& style=&outline: 0 line-height: 20 word-break: break- font-size: 12& hiragino=&& sans=&& gb&,=&& µsoft=&& yahei&,=&& sans-&=&&&&font color=�&&#Creates a session with log_device_placement set to True.&&&/font&&/p&复制代码sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))&&复制代码#Runs the op.&&复制代码&p itemprop=&description& style=&outline: 0 line-height: 20 word-break: break- font-size: 12& hiragino=&& sans=&& gb&,=&& µsoft=&& yahei&,=&& sans-&=&&&&font color=�&&
&/font&&/p&&p itemprop=&description& style=&outline: 0 line-height: 20 word-break: break- font-size: 12& hiragino=&& sans=&& gb&,=&& µsoft=&& yahei&,=&& sans-&=&&&&font color=�&&print (sess.run(c))&/font&&/p&复制代码
命令显示GTX1080TI已经被调用。
最终显示白体数字显示该计算成功。
8、点开Anaconda Navigator安装spyder
Spyder是Python作者为它开发的一个简单的集成开发环境。和其他的Python开发环境相比，它最大的优点就是模仿MATLAB的“工作空间”的功能，可以很方便地观察和修改数组的值。
然后就可以愉快的进行样本测量以及程序编程了。
如果你是游戏玩家，拥有一张GTX1070或者GTX1080，那么我觉得你没啥必要去换成1080TI，真话。如果算游戏效能的话，这个升级的CP值不算太高。如果你有意从事深度学习方面的开发和神经网络训练的课程学习，那么INT8的性能就是你需要看重的一个方面，TITAN XP、TITAN X PASCAL、GTX1080TI的INT8/FP32都是GTX1080以及以下级别显卡的双倍，不差钱的话，CP值最高的GTX1080TI值得选择。
<p id="rate_26" onmouseover="showTip(this)" tip="&魔力币 + 50
" class="mtn mbn">
<p id="rate_09" onmouseover="showTip(this)" tip="&魔力币 + 5
" class="mtn mbn">
<p id="rate_" onmouseover="showTip(this)" tip="&魔法值 + 10
门户文章 + 1
魔力币 + 50
" class="mtn mbn">
主题帖子积分
初级魔导师, 积分 2517, 距离下一级还需 983 积分
魔力币1815
楼主辛苦，1080Ti进行深度学习的介绍比较少见，学习中。
主题帖子积分
中级魔法师, 积分 317, 距离下一级还需 183 积分
这是科学计算吗？不是太懂。
主题帖子积分
中级魔法师, 积分 352, 距离下一级还需 148 积分
不搞 Linux？好吧~
主题帖子积分
大魔法师, 积分 1496, 距离下一级还需 504 积分
魔力币1135
难怪看到有人用1080TI挖矿，我以为那人MDZZ。
主题帖子积分
大魔法师, 积分 1228, 距离下一级还需 772 积分
魔力币1133
过一两年后可能有专门的显示主机了，独立运行显示部分~！
主题帖子积分
中级魔法师, 积分 398, 距离下一级还需 102 积分
表示根本不懂深度学习可以干些啥……
主题帖子积分
中级魔法师, 积分 339, 距离下一级还需 161 积分
正好正在配一台， E5 2696 V3好像只支持内存到2133?
然后我插了两个1080Ti, 硬盘的话机械硬盘问题大么？我准备一个512的SSD挂4T的硬盘， 计算在机械硬盘不知道会不会有影响速度？应该不是瓶颈吧
主题帖子积分
门户文章40
难怪看到有人用1080TI挖矿，我以为那人MDZZ。
1080TI挖矿好像不太好用，不如470D 无敌性价比
主题帖子积分
门户文章40
正好正在配一台， E5 2696 V3好像只支持内存到2133?
然后我插了两个1080Ti, 硬盘的话机械硬盘问题大么？我 ...
对的，E5 V3 2133内存，计算将数据模型放在SSD里即可不是瓶颈
主题帖子积分
中级魔法师, 积分 339, 距离下一级还需 161 积分
对的，E5 V3 2133内存，计算将数据模型放在SSD里即可不是瓶颈
啊您是说， 数据模型还是要放在SSD里是么？
主题帖子积分
魔法学徒, 积分 38, 距离下一级还需 12 积分
这个cpu性能太给力了，导致最近e5 v3全线涨价
主题帖子积分
中级魔法师, 积分 244, 距离下一级还需 256 积分
顶啊CPU 给力啊 不错不错
主题帖子积分
初级魔法师, 积分 164, 距离下一级还需 36 积分
后面没看懂2333
主题帖子积分
中级魔法师, 积分 460, 距离下一级还需 40 积分
主题帖子积分
中级魔法师, 积分 457, 距离下一级还需 43 积分
娥娥，一脸懵啊
主题帖子积分
初级魔法师, 积分 93, 距离下一级还需 107 积分
楼主提供的百度盘bios里面想x99太极 我是这块主板能刷么 楼主用的华擎X99E-ITX/AC能刷这个bios?
主题帖子积分
初级魔法师, 积分 167, 距离下一级还需 33 积分
完全不懂，学习了！
主题帖子积分
初级魔导师, 积分 3450, 距离下一级还需 50 积分
我等屌丝也就能看看啥叫深度学习&&
主题帖子积分
中级魔法师, 积分 207, 距离下一级还需 293 积分
不懂深度学习，仰望一下~~
DDOS纪念勋章
DDOS纪念勋章
Powered by中国领先的IT技术网站
51CTO旗下网站
TensorFlow 安装教程
tensorflow是属于很高层的应用。高层应用的一个比较大的麻烦就是需要依赖的底层的东西很多，如果底层依赖没有弄好的话，高层应用是没法玩转的。
作者：王蕾| 20:52
一、准备Anaconda环境
tensorflow是属于很高层的应用。高层应用的一个比较大的麻烦就是需要依赖的底层的东西很多，如果底层依赖没有弄好的话，高层应用是没法玩转的。
在极客学院有关tensorflow的教程中，提到了这样几种安装方式：Pip, Docker, Virtualenv, Anaconda 或
源码编译的方法安装
TensorFlow。在这里，我强烈推荐大家使用Anaconda的方式安装!因为采用这种方式安装的时候，相当于将所有的底层依赖细节全部已经打包给封装好了!并且，Anaconda还能创建自己的计算环境，相当于将tensorflow的环境与其他环境做了隔离，这样你就可以将tensorflow随便玩，爱怎么玩怎么玩，也不用担心破坏之前的环境!
如果是玩数据玩ML的同学，如果你还不知道Anaconda，你就out啦!Anaconda是一个基于python的科学计算平台，这个平台里包含有python,r,scala等绝大部分主流的用于科学计算的包。
1、原生python的不方便
作为一个数据与算法工作者，Python的使用频率很高。现阶段python做科学计算的标配是numpy+scipy+matplotlib+sklearn+pandas。可惜的是，原生的python是不带这些包的。于是，每次遇到一个新机器，需要安装这些包。更可气的是，昨晚为了在新机器上安装sklearn，足足花了两小时。作为一个搭建了无数次科学计算环境的老司机还遇到这种情况，估计新手们就更无比郁闷了。于是老司机就想，有没有一个东西把所有常用的科学计算工具都集成好，这样就省了每次搭环境的天坑。。。google一把，发现了这个主角：Anaconda。
2.先看看Anaconda
Anaconda：蟒蛇，估计来源就是python logo里那条可爱的小蟒蛇吧。
mac版下载地址：https://www.continuum.io/downloads#_macosx
看看官网首页是怎么介绍的：
Anaconda is the leading open data science platform powered by Python. The
open source version of Anaconda is a high performance distribution of Python and
R and includes over 100 of the most popular Python, R and Scala packages for
data science. Additionally, you&ll have access to over 720 packages that can
easily be installed with conda, our renowned package, dependency and environment
manager, that is included in Anaconda. Anaconda is BSD licensed which gives you
permission to use Anaconda commercially and for redistribution. See the packages
included with Anaconda and the Anaconda changelog.
通过上面这段牛逼闪闪的介绍，我们知道Anaconda是一个基于python的科学计算平台，这个平台里包含有python,r,scala等绝大部分主流的用于科学计算的包。
接下来自然就是开始下载了。因为集成有很多牛逼科学计算包的缘故，所以安装包自然也小不了，比如我下载的mac版就有360M。那就慢慢下着吧。还好网络虽然不是很快，好歹还是稳定的，能到一两百k，一个小时左右能下完。
3.安装配置
下载完成以后，跟mac里安装普通软件一样，双击安装即可。
安装完以后，开始进行相应的配置。因为我平时使用eclipse开发，正好官网都贴心地给出了在IDE里怎么配置使用，里面就有eclipse，前提是eclipse已经安装了pydev插件。
以下eclipse配置方法来自官网：
After you have Eclipse, PyDev, and Anaconda installed, follow these steps to
set Anaconda Python as your default by adding it as a new interpreter, and then
selecting that new interpreter:
Open the Eclipse Preferences window:
Go to PyDev -& Interpreters -& Python Interpreter.
Click the New button:
In the &Interpreter Name& box, type &Anaconda Python&.
Browse to ~/anaconda/bin/python or wherever your Anaconda Python is
installed.
Click the OK button.
In the next window, select all the folders and click the OK button again to
select the folders to add to the SYSTEM python path.
The Python Interpreters window will now display Anaconda Python. Click
You are now ready to use Anaconda Python with your Eclipse and PyDev
installation.
4.查看Anaconda的基本用法
配置完成以后，查看一下此时系统的python：
此时，系统默认的python已经变成了Anaconda的版本!
为什么会这样呢?原来是安装过程中，偷偷给我们在home目录下生成了一个.bashrc_profile文件，并在里面加入了PATH：
所以这个时候我们的bash里使用python的话，已经指向了anaconda里的python解释器。
如果使用的不是mac的标准bash，而是zsh，不用着急，将上面一行配置复制粘贴到.zshrc文件中，然后source一下.zshrc文件即可!
执行一下conda命令：
信息太长了，后面的部分就不列举了。不过看到前面这部分选项，就已经足够让我们兴奋了：基本的list，search，install，upgrade，uninstall等功能都包含，说明我们可以向apt-get一样方便管理python的各种依赖了。。。
先list一下，查看里面都带了哪些牛的科学计算包：
好吧，至少我常用的都已经在这了。太方便了。
5.写个demo测试一下sklearn
为了测试一下是不是真像传说中那么好用，从网络上现找了部分简单的测试代码：
让代码run起来，得到如下结果：
好吧，sklearn表现正常，能正常输出预期结果。看来，Anaconda确实是为搞算法与数据的同志们提供了一个非常好的工具，省去了我们各种搭环境找依赖包的烦恼!
二、.建立名叫tensorflow的计算环境
Anaconda的环境准备好了以后，接下来我们建立一个conda的计算环境，给这个环境取名叫tensorflow：
因为我们的版本是2.7，所以执行上面的命令。
GFW只要是个英文网站就给墙了。无奈地将上述命令重试。终于，重试了n次以后，搞定了 !
三、激活tensorflow环境 用pip安装TensorFlow
第二步成功以后，先激活tensorflow环境。
然后界面华丽丽地就变成了这样：
用户名前有(tensorflow)的标识。我们这样切换，实际上是更换了环境变量里的pip和python。切换到tensorflow的计算环境以后，然后开始用pip安装：
当然上面的命令对应的是python2.7，系统为macos，cpu
only。根据tensorflow官方提供的资料，不同的系统与不同的版本命令如下：
pytho3.x：
命令提交以后，你唯一能做的就是等待了。
还好这次不用重试n次，一次搞定：
至此，tensorflow算是安装OK了!
四、简单测试是否安装成功
测试过程很简单，直接上图：
表现良好!给自己鼓个掌!
五、集成到IDE里
如果我们要写大家伙，一般会用IDE。将tensorflow集成到IDE里，步骤也很简单。以IntelliJ为例，跟创建普通项目唯一的区别就是，创建普通项目的时候我们的Module
SDK选项是系统默认的python解释器。如果我们想要使用tensorflow的相关代码，将Module
SDK换为刚刚我们新建的tensorflow计算环境即可!
贴个图，大伙就懂了：
六、值得注意的几个小点
1.强烈推荐使用Anaconda环境安装，真的不是一般的简单方便。
2.梯子，还是梯子，不解释。
3.激活与退出tensorflow计算环境：
【本文是51CTO专栏&小米开放平台&原创文章，&小米开放平台&微信公众号xiaomideveloper】
【编辑推荐】【责任编辑： TEL：（010）】
大家都在看猜你喜欢
小米开放平台（）
本周排行本月排行
讲师：226672人学习过
讲师：119828人学习过
讲师：153409人学习过posts - 54,&
comments - 7,&
trackbacks - 0
Windows8.1
python3.5.x(TensorFlow only supports version 3.5.x of Python on Windows)
tensorflow-gpu-0.12.0
安装Python3.5
安装python &&&&
&&&& 下载地址：
点击Downloads下的Windows，本次选用了Python 3.5.2版本
&&&&& 选择其中的第五个，Windows x86-64 executable installer下载安装（安装的时候最好把添加环境变量那个打钩，这样就不需要自己配置环境变量，后续的需要的地方都打钩，一路next）
&&&& 2. 升级pip
&&&&&&& 打开cmd输入
python.exe -m pip install --upgrade pip
安装TensorFlow
&&&& （本次采用的在线安装，也可以下载到本地，进行本地安装）
&&&& 安装gpu版本
pip install --upgrade https:///tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl
&&&& 安装CPU版本
pip install --upgrade https:///tensorflow/windows/cpu/tensorflow-0.12.0-cp35-cp35m-win_amd64.whl
&&&& gpu版本要安装gpu支持包（和）
&&&& 安装cuda8.0
&&& 安装对应的cudnn（这个貌似需要登录Nvidia账号才能够下载，我是先注册的）
&&& 找到你需要的版本，下载cudnn压缩文件后进行解压，添加解压后的bin目录到PATH环境变量。
测试TensorFlow
打开cmd，输入python，然后输入 import tensorflow,如果结果和下图一样，则说明安装成功。
&&& import tensorflow as tf
&&& hello = tf.constant('Hello, TensorFlow!')
&&& sess = tf.Session()
&&& print(sess.run(hello))
Hello, TensorFlow!
&&& a = tf.constant(<span style="color: #)
&&& b = tf.constant(<span style="color: #)
&&& print(sess.run(a + b))
<span style="color: #
阅读(...) 评论()
