​Intel神经网络计算棒2代(OpenVINO安装下)

这个是以前的文章,可以先看看熟悉一下内容:
Intel神经网络计算棒2代(NCS预热篇上)
Intel神经网络计算棒2代(NCS预热篇下)
Intel神经网络计算棒2代(OpenVINO安装上)
注意在使用的时候,如果没有添加环境变量,那就得cd到位置,执行bat
C:\Program Files (x86)\Intel\openvino_2021\bin\setupvars.bat
这个是绝对位置
cd C:\Program Files (x86)\Intel\openvino_2021\bin\
位置
setupvars.bat
执行

激活初始化环境

这个里面支持的后端,TF就挺好

Logo

https://www.tensorflow.org/

安装看官网

验证环境

先升级pip

这里pip太慢,下载下来安装

选择这个版本的

https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.5.0-cp36-cp36m-win_amd64.whl
直链

飞快啊

import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt
# create datax_data = np.random.rand(100).astype(np.float32)y_data = x_data*0.1 + 0.3#打印出准备训练的样本fig = plt.figure() plt.xlabel('X') #设置Y轴标签 plt.ylabel('Y') plt.scatter(x_data,y_data,c = 'r',marker = 'x') #'o'---圆点,'s’---方块#设置图标 ,左上角的图标 plt.legend('x') #显示所画的图 plt.show() ### tensorflow structure start ###Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0))biases = tf.Variable(tf.zeros([1]))y = Weights*x_data + biasesloss = tf.reduce_mean(tf.square(y-y_data))optimizer = tf.train.GradientDescentOptimizer(0.5)#梯度下降,学习速率为0.5train = optimizer.minimize(loss)init = tf.initialize_all_variables()### tensorflow structure end ### sess = tf.Session()sess.run(init) # Very important cost=[]for step in range(201): sess.run(train) if step % 20 == 0:# print(step, sess.run(Weights), sess.run(biases)) print("Cost after iteration {}: {}".format(step, np.squeeze(sess.run(loss)))) cost.append(sess.run(loss))####训练出的模型fig = plt.figure() #设置X轴标签 plt.xlabel('Xmodel') #设置Y轴标签 plt.ylabel('Ymodel') #画散点图 plt.scatter(x_data,sess.run(y),c = 'y',marker = 'o') #'o'---圆点,'s’---方块#设置图标 ,左上角的图标 plt.legend('xmodel') plt.show() ###打印代价plt.plot(np.squeeze(cost)) #压缩plt.ylabel('cost')plt.xlabel('iterations (per 20)')plt.title("Learning rate =" +str( 0.5))plt.show()
验证的代码先写好,O(∩_∩)O哈哈~
pip install .\tensorflow_gpu-2.5.0-cp36-cp36m-win_amd64.whl
然后把下载好的TF,这样安装一下
接下来装CUDA,一定注意TF官网里面的推荐版本。

这里就都对上了

https://www.tensorflow.org/install/source_windows

看CUDA的版本看这里

以往版本的CUDA,看这里

https://developer.nvidia.com/cuda-toolkit-archive

我觉得这个就不错

太大了

提取下载

已经这个时间了,如果再下载不完

那就明天得加一个补篇了

(0)

相关推荐