- 5 سوال برای پرسیدن هنگام انتخاب بازار NFT
- نمودار خط واکنش
- Metatrader 4 و 5: تفاوت چیست؟
- سهام به هفته هرج و مرج درپوش که توسط ترس در مورد بانک ها هدایت می شود ، سقوط می کنند
- اندازه بازار پتروشیمیایی ، تجزیه و تحلیل تأثیرگذاری و COVID-19 ، بر اساس نوع (اتیلن ، زایلن ، پروپیلن ، متانول و دیگران) ، توسط صنعت استفاده نهایی (بسته بندی ، الکترونیک ، ساخت و ساز ، خودرو و سایر موارد) و پیش بینی منطقه ای ، 2021-2028
- معامله به جلو از ارز خارجی
- هزینه استفاده از یک کارگزار برای خرید یا فروش ملک چقدر است؟
- سود مرکب چگونه کار می کند (و چرا اهمیت دارد)
- چگونه کارگزاران وام مسکن کانادایی کار می کنند و راه هایی برای صرفه جویی در هزینه شما دارند
- پول هوشمند
آخرین مطالب
امکانات وب
مجموعه های خود را بهینه کنید محتوا را بر اساس ترجیحات خود ذخیره و دسته بندی کنید.
بسته Pip TensorFlow را از منبع بسازید و آن را روی ویندوز نصب کنید.
توجه داشته باشید. ما قبلاً بسته های تست شده TensorFlow را برای سیستم های ویندوز ارائه کرده ایم.
تنظیمات برای ویندوز
ابزارهای ساخت زیر را برای تنظیم محیط توسعه ویندوز خود نصب کنید.
وابستگی های بسته Python و TensorFlow را نصب کنید.
پایتون 3. 7+ 64 بیتی را برای ویندوز نصب کنید. pip را به عنوان یک ویژگی اختیاری انتخاب کنید و آن را به متغیر محیطی %PATH% خود اضافه کنید.
وابستگی های بسته Pip TensorFlow را نصب کنید:
بسته بندی pip3 instal l-U six numpy wheelpip3 نص ب-U keras_preprocessing --no-deps
وابستگی ها در setup. py در REQUIRED_PACKAGES فهرست شده اند.
بازل را نصب کنید
Bazel، ابزار ساخت مورد استفاده برای کامپایل TensorFlow را نصب کنید. برای نسخه Bazel، تنظیمات ساخت تست شده برای ویندوز را ببینید. Bazel را برای ساخت ++C تنظیم کنید.
مکان فایل اجرایی Bazel را به متغیر محیطی %PATH% اضافه کنید.
MSYS2 را نصب کنید
MSYS2 را برای ابزارهای سبد خرید مورد نیاز برای ساخت TensorFlow نصب کنید. اگر MSYS2 در C:msys64 نصب شده است، C:msys64usrx08in را به متغیر محیطی %PATH% خود اضافه کنید. سپس با استفاده از cmd. exe اجرا کنید:
پچ pacma n-S git باز کردن
Visual C++ 2019 Build Tools را نصب کنید
Visual C++ 2019 Build Tools را نصب کنید. با Visual Studio 2019 ارائه می شود اما می توان آن را به طور جداگانه نصب کرد:
- به دانلودهای ویژوال استودیو بروید،
- Redistributables و Build Tools را انتخاب کنید.
- دانلود و نصب:
- Microsoft Visual C++ 2019 قابل توزیع مجدد
- Microsoft Build Tools 2019
نصب پشتیبانی از GPU (اختیاری)
برای نصب درایورها و نرم افزارهای اضافی مورد نیاز برای اجرای TensorFlow بر روی GPU، به راهنمای پشتیبانی GPU ویندوز مراجعه کنید.
کد منبع TensorFlow را دانلود کنید.
از Git برای کلون کردن مخزن TensorFlow استفاده کنید (git با MSYS2 نصب شده است):
git clone https://github. com/tensorflow/tensorflow. gitسی دی تنسورفلو
مخزن پیش فرض از شاخه توسعه اصلی استفاده می کند. همچنین می توانید شاخه انتشار را برای ساخت بررسی کنید:
git checkout branch_name # r1. 9، r1. 10، و غیره.
نکته کلیدی: اگر در ساختن آخرین شاخه توسعه مشکل دارید، یک شاخه انتشار شناخته شده را امتحان کنید.
اختیاری: ساخت را سفارشی کنید
ساختمان . bazelrc پرونده . bazelrc در کاتالوگ ریشه مخزن. سناریوها ./configure یا ./configure. py را می توان برای پیکربندی پارامترهای کلی استفاده کرد.
اگر نیاز به تغییر پیکربندی دارید ، اسکریپت را اجرا کنید ./configure را از کاتالوگ ریشه مخزن.
Python ./configure. py
این اسکریپت از محل وابستگی های TensorFlow و پارامترهای پیکربندی مونتاژ اضافی (به عنوان مثال ، پرچم های کامپایلر) درخواست می کند. موارد زیر راه اندازی پایتون را نشان می دهد ./configure. py (جلسه شما ممکن است متفاوت باشد):
نمونه ای از جلسه تنظیمات را مشاهده کنید
Python ./configure. py شروع سرور محلی Bazel و اتصال به آن. بشرشما Bazel 0. 15. 0 نصب شده اید. لطفاً مکان پایتون را مشخص کنید.[پیش فرض C: Python36 Python. exe]: مسیرهای کتابخانه Python ممکن است: C: Python36 Lib Site-Packages ورودی کتابخانه PATE مورد نظر را وارد کنید. پیش فرض [C: Python36 Lib Site-Packages] آیا مایل به خرید Tensorflow با پشتیبانی CUDA هستید؟[Y/N]: پشتیبانی CUDA Tensorflow فعال خواهد شد. لطفاً نسخه CUDA SDK را که می خواهید استفاده کنید مشخص کنید.[خالی کردن به طور پیش فرض به CUDA 9. 0]: لطفاً مکانی را که CUDA 9. 0 ابزار نصب شده است مشخص کنید. برای اطلاعات بیشتر به readme. md مراجعه کنید.[پیش فرض C:/Files Program/NVIDIA GPU Computing Toolkit/CUDA/V9. 0]: لطفاً نسخه CUDNN را که می خواهید استفاده کنید مشخص کنید.[خالی کردن به طور پیش فرض به Cudnn 7. 0]: 7. 0 لطفاً مکانی را که کتابخانه Cudnn 7 نصب شده است مشخص کنید. برای اطلاعات بیشتر به readme. md مراجعه کنید.[پیش فرض C:/Files Program/NVIDIA GPU TOOLKIT/CUDA/V9. 0]: C: Tools CUDA لطفاً لیستی از قابلیت های محاسبات CUDA جدا از کاما را که می خواهید با آن بسازید مشخص کنید. شما می توانید قابلیت COMTE دستگاه خود را در: https://developer. nvidia. com/cuda-gpus پیدا کنید ، لطفاً که هر یک از قابلیت دسترسی ADMH به طور قابل توجهی افزایش می یابد ، زمان ساخت و اندازه باینری شما را افزایش می دهد.[پیش فرض است: 3. 5،7. 0]: 3. 7 لطفاً پرچم های بهینه سازی را برای استفاده در هنگام تدوین مشخص کنید وقتی Bazel = Opt "خاص است [پیش فرض است /قوس: AVX]: wul d yu دوست دارد Eigen قوی را برای برخی از تلفیق C ++ نادیده بگیرد. زمان تدوین را کاهش دهید؟[y/n]: eigen online inline ondridded. پیکربندی به پایان رسید
گزینه های پیکربندی
برای پشتیبانی از GPU ، نسخه Cuda و Cudnn را نشان دهید. اگر چندین نسخه از Cuda یا Cudnn در سیستم شما نصب شده است ، نسخه را به وضوح نصب کنید و به نسخه پیش فرض اعتماد نکنید../configure. py پیوندهای نمادین به کتابخانه های CUDA سیستم شما ایجاد می کند ، بنابراین اگر راه های کتابخانه های CUDA را به روز کنید ، این مرحله تنظیمات قبل از مونتاژ دوباره باید تکمیل شود.
هشدار: پشتیبانی TF-TRT از ویندوز به صورت تجربی ارائه می شود. هیچ تضمینی برای عملکرد یا پشتیبانی مهندسی داده نمی شود. در معرض خطر خود استفاده کنید.
بسته بندی PIP را جمع آوری و نصب کنید
بسته PIP در دو مرحله ایجاد می شود. Bazel Build برنامه "جمع کننده بسته" را ایجاد می کند. سپس یک جمع کننده بسته را برای ایجاد یک بسته راه اندازی می کنید.
جمع کننده بسته بندی را جمع کنید
Tensorflow: Master قبل از مونتاژ پیش فرض به روز شد. BAZEL را نصب کنید و از Bazel Build برای ایجاد یک جمع کننده بسته Tensorflow استفاده کنید.
Bazel Build // Tensorflow/Tools/PIP_PACKAGE: BUILD_PIP_PACKAGE
فقط یک پردازنده
از Bazel برای ایجاد یک جمع کننده بسته TensorFlow با پشتیبانی CPU استفاده کنید:
BAZEL BUIL D-CONFIG = OPT // TENSORFLOW/TOOLS/PIP_PACKAGE: BUILD_PIP_PACKAGE
پشتیبانی از پردازنده گرافیک
برای تهیه یک جمع کننده بسته TensorFlow با پشتیبانی GPU:
Bazel Buil d-config = op t-config = cud a-define = no_tensorflow_py_deps = truee // tensorflow/tools/pip_package: build_pip_package
گزینه های مونتاژ بازل
برای جلوگیری از بروز مشکلات در ایجاد یک بسته از این پارامتر هنگام مونتاژ استفاده کنید: Tensorflow: شماره شماره 22390.
-تعریف = no_tensorflow_py_deps = درست
مونتاژ TensorFlow از کد منبع می تواند از RAM زیادی استفاده کند. اگر سیستم شما در حافظه محدود است ، استفاده از رم Bazel را با استفاده از: -local_ram_resource = 2048 محدود کنید.
هنگام مونتاژ با پشتیبانی از پردازنده گرافیکی ، ADD-COPT = -NVCCC_OPTIONS = غیرفعال کردن هشدارها برای سرکوب پیام های هشدار دهنده NVCC.
بسته بندی را جمع کنید
تیم Bazel Build یک پرونده اجرایی به نام Build_PIP_Package ایجاد می کند - این برنامه ای است که بسته PIP را ایجاد می کند. به عنوان مثال ، کد بعدی یک بسته . whl را در c:/tmp/tensorflow_pkg:/tmp/tensorflow ایجاد می کند:
Bazel-Bin Tensorflow Tools PIP_PACKAGE BUILD_PIP_PACKAGE C:/TMP/TENSORFLOW_PKG
اگرچه در همان درخت اولیه می توانید تنظیمات CUDA و غیر کادوی را ایجاد کنید ، توصیه می کنیم هنگام تعویض بین این دو تنظیم در یک درخت اصلی ، Bazel Clean را تمیز کنید.
بسته بندی
نام فایل whl. تولید شده به نسخه TensorFlow و پلتفرم شما بستگی دارد. برای نصب بسته از pip3 install استفاده کنید، به عنوان مثال:
pip3 install C:/tmp/tensorflow_pkg/tensorflow-نسخه-cp36-cp36m-win_amd64. whl
موفقیت: TensorFlow اکنون نصب شده است.
ساختمان با استفاده از پوسته MSYS
TensorFlow همچنین می تواند با استفاده از پوشش MSYS ساخته شود. تغییرات فهرست شده در زیر را انجام دهید، سپس دستورالعمل های قبلی را برای خط فرمان بومی ویندوز (cmd. exe) دنبال کنید.
تبدیل مسیر MSYS را غیرفعال کنید
MSYS به طور خودکار آرگومان هایی را که شبیه مسیرهای یونیکس هستند به مسیرهای ویندوز تبدیل می کند، و این با bazel کار نمی کند.(برچسب //path/to:bin یک مسیر یونیکس مطلق در نظر گرفته می شود زیرا با یک اسلش شروع می شود.)
صادرات MSYS_NO_PATHCONV=1صادرات MSYS2_ARG_CONV_EXCL="*"
مسیر خود را تنظیم کنید
دایرکتوری های نصب Bazel و Python را به متغیر محیطی $PATH اضافه کنید. اگر Bazel در C: oolsx08azel. exe و Python در C:Python36python. exe نصب شده است، PATH را با:
# از سبک یونیکس با «:» به عنوان جداکننده استفاده کنیدصادرات PATH="/c/tools:$PATH"صادرات PATH="/c/Python36:$PATH"
برای پشتیبانی از GPU، دایرکتوری های CUDA و cuDNN bin را به $PATH خود اضافه کنید:
صادرات PATH="/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11. 0/bin:$PATH"صادرات PATH="/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11. 0/extras/CUPTI/libx64:$PATH"صادرات PATH="/c/tools/cuda/bin:$PATH"
تنظیمات ساخت تست شده
CPU
| نسخه | نسخه پایتون | کامپایلر | ابزار ساخت |
|---|---|---|---|
| tensorflow-2. 11. 0 | 3. 7-3. 10 | MSVK 2019 | بازل 5. 3. 0 |
| tensorflow-2. 10. 0 | 3. 7-3. 10 | MSVK 2019 | بازل 5. 1. 1 |
| tensorflow-2. 9. 0 | 3. 7-3. 10 | MSVK 2019 | بازل 5. 0. 0 |
| tensorflow-2. 8. 0 | 3. 7-3. 10 | MSVK 2019 | بازل 4. 2. 1 |
| tensorflow-2. 7. 0 | 3. 7-3. 9 | MSVK 2019 | بازل 3. 7. 2 |
| tensorflow-2. 6. 0 | 3. 6-3. 9 | MSVK 2019 | بازل 3. 7. 2 |
| tensorflow-2. 5. 0 | 3. 6-3. 9 | MSVK 2019 | بازل 3. 7. 2 |
| tensorflow-2. 4. 0 | 3. 6-3. 8 | MSVK 2019 | بازل 3. 1. 0 |
| tensorflow-2. 3. 0 | 3. 5-3. 8 | MSVK 2019 | بازل 3. 1. 0 |
| tensorflow-2. 2. 0 | 3. 5-3. 8 | MSVK 2019 | بازل 2. 0. 0 |
| tensorflow-2. 1. 0 | 3. 5-3. 7 | MSVK 2019 | بازل 0. 27. 1-0. 29. 1 |
| tensorflow-2. 0. 0 | 3. 5-3. 7 | MSVK 2017 | بازل 0. 26. 1 |
| tensorflow-1. 15. 0 | 3. 5-3. 7 | MSVK 2017 | بازل 0. 26. 1 |
| tensorflow-1. 14. 0 | 3. 5-3. 7 | MSVK 2017 | بازل 0. 24. 1-0. 25. 2 |
| tensorflow-1. 13. 0 | 3. 5-3. 7 | به روز رسانی MSVC 2015 3 | بازل 0. 19. 0-0. 21. 0 |
| tensorflow-1. 12. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | بازل 0. 15. 0 |
| tensorflow-1. 11. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | بازل 0. 15. 0 |
| tensorflow-1. 10. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید |
| tensorflow-1. 9. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید |
| tensorflow-1. 8. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید |
| tensorflow-1. 7. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید |
| tensorflow-1. 6. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید |
| tensorflow-1. 5. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید |
| tensorflow-1. 4. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید |
| tensorflow-1. 3. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید |
| tensorflow-1. 2. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید |
| tensorflow-1. 1. 0 | 3,5 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید |
| tensorflow-1. 0. 0 | 3,5 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید |
پردازنده گرافیکی
| نسخه | نسخه پایتون | کامپایلر | ابزار ساخت | cuDNN | CUDA |
|---|---|---|---|---|---|
| tensorflow_gpu-2. 11. 0 | 3. 7-3. 10 | MSVK 2019 | بازل 5. 3. 0 | 8.1 | 11. 2 |
| tensorflow_gpu-2. 10. 0 | 3. 7-3. 10 | MSVK 2019 | بازل 5. 1. 1 | 8.1 | 11. 2 |
| tensorflow_gpu-2. 9. 0 | 3. 7-3. 10 | MSVK 2019 | بازل 5. 0. 0 | 8.1 | 11. 2 |
| tensorflow_gpu-2. 8. 0 | 3. 7-3. 10 | MSVK 2019 | بازل 4. 2. 1 | 8.1 | 11. 2 |
| tensorflow_gpu-2. 7. 0 | 3. 7-3. 9 | MSVK 2019 | بازل 3. 7. 2 | 8.1 | 11. 2 |
| tensorflow_gpu-2. 6. 0 | 3. 6-3. 9 | MSVK 2019 | بازل 3. 7. 2 | 8.1 | 11. 2 |
| tensorflow_gpu-2. 5. 0 | 3. 6-3. 9 | MSVK 2019 | بازل 3. 7. 2 | 8.1 | 11. 2 |
| tensorflow_gpu-2. 4. 0 | 3. 6-3. 8 | MSVK 2019 | بازل 3. 1. 0 | 8,0 | 11. 0 |
| tensorflow_gpu-2. 3. 0 | 3. 5-3. 8 | MSVK 2019 | بازل 3. 1. 0 | 7.6 | 10. 1 |
| tensorflow_gpu-2. 2. 0 | 3. 5-3. 8 | MSVK 2019 | بازل 2. 0. 0 | 7.6 | 10. 1 |
| tensorflow_gpu-2. 1. 0 | 3. 5-3. 7 | MSVK 2019 | بازل 0. 27. 1-0. 29. 1 | 7.6 | 10. 1 |
| tensorflow_gpu-2. 0. 0 | 3. 5-3. 7 | MSVK 2017 | بازل 0. 26. 1 | 7.4 | 10 |
| tensorflow_gpu-1. 15. 0 | 3. 5-3. 7 | MSVK 2017 | بازل 0. 26. 1 | 7.4 | 10 |
| tensorflow_gpu-1. 14. 0 | 3. 5-3. 7 | MSVK 2017 | بازل 0. 24. 1-0. 25. 2 | 7.4 | 10 |
| tensorflow_gpu-1. 13. 0 | 3. 5-3. 7 | به روز رسانی MSVC 2015 3 | بازل 0. 19. 0-0. 21. 0 | 7.4 | 10 |
| tensorflow_gpu-1. 12. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | بازل 0. 15. 0 | 7.2 | 9,0 |
| tensorflow_gpu-1. 11. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | بازل 0. 15. 0 | 7 | 9 |
| tensorflow_gpu-1. 10. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید | 7 | 9 |
| tensorflow_gpu-1. 9. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید | 7 | 9 |
| tensorflow_gpu-1. 8. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید | 7 | 9 |
| tensorflow_gpu-1. 7. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید | 7 | 9 |
| tensorflow_gpu-1. 6. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید | 7 | 9 |
| tensorflow_gpu-1. 5. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید | 7 | 9 |
| tensorflow_gpu-1. 4. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید | 6 | 8 |
| tensorflow_gpu-1. 3. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید | 6 | 8 |
| tensorflow_gpu-1. 2. 0 | 3. 5-3. 6 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید | 5.1 | 8 |
| tensorflow_gpu-1. 1. 0 | 3,5 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید | 5.1 | 8 |
| tensorflow_gpu-1. 0. 0 | 3,5 | به روز رسانی MSVC 2015 3 | نسخه 3. 6. 3 را بسازید | 5.1 | 8 |
مگر اینکه غیر از این ذکر شده باشد، محتوای این صفحه تحت مجوز Creative Commons Attribution 4. 0 و نمونه های کد تحت مجوز Apache 2. 0 مجوز دارند. اطلاعات بیشتر در این مورد در قوانین سایت نوشته شده است. جاوا یک علامت تجاری ثبت شده Oracle Corporation و شرکت های وابسته به آن است.
آخرین به روز رسانی: 2022-11-22 UTC.
استراتژی برای تحلیل فاندمنتال...
ما را در سایت استراتژی برای تحلیل فاندمنتال دنبال می کنید
برچسب :
نویسنده : سعید شیخزاده
بازدید : 29
