conda安装tensorflow,anaconda安装tensorflow2.0教程

　　Google发布了tensorflow2.0的alpha版本，看看吧。

　　作者的系统是ubuntu，为了安装方便，使用了官方的文档生成器镜像。

　　sudodockerpulltensorflow/张量流：2.0.0a0- GPU-py3

　　2.0.0a0-gpu-py3-jupyter是镜像标签，代表tensor flow 2 . 0 . 0 A0版本，支持gpu加速。python的版本是3.x。

　　可以根据自己的实际情况选择其他标签。

　　最新的python3 CPU版本latest-py3

　　2.0.0a0-gpu-py3-jupyter版本为2.0.0a0，预装支持CPU python3.x的jupyter。

　　下载图像文件后，可以看到确认。

　　sudo docker图像ls

　　你可以看到我们刚刚提取的图像文件。现在就做。

　　sudodockerrun-runtime=NVIDIA-it-rmtensorflow/tensor flow:2 . 0 . 0 A0-GPU-py33

　　python -c 导入tensorflow作为TF；打印(TF。__version__)

　　如无意外，终端会显示。

　　2.0.0- Alpha 0

　　至此，安装完成。接下来，试试这个新玩具。

　　为了方便起见，将系统文件目录~/Documents挂载到容器/data中。

　　sudockerrun-runtime=NVIDIA-RM-IT-V to ~/documents 3360/datatensor flow/tensor flow:2 . 0 . 0 A0

　　当这个命令运行时，交互式终端将被打开。加载文件目录后，您可以在系统上编辑文件，并在容器中执行它。

　　现在，您可以在您喜欢的编辑器中输入以下代码

　　from _ _ future _ import absolute _ import，division，print_function

　　将张量流作为TF导入

　　fromtensorflow . keras . layersimportdense，Flatten，Conv2D

　　mnist=tf.keras.datasets.mnist

　　((x_train，y_train)，)x_test，y_test )=mnist.load_data))))))))).

　　x _火车，x _测试=x _火车/255.0，x _测试/255.0

　　model=TF . keras . models . sequential(

　　TF . keras . layers . flatten(input _ shape=(28，28))，

　　TF。Keras.Layers.dense(64，activation=relu )，

　　TF。辍学(0.2)，

　　TF。Keras.Layers.dense(10，activation=softmax ).

　　] )

　　Model.com堆(优化器=亚当，

　　损失=稀疏分类交叉熵，

　　测量结果=[准确度])

　　model.fit(x_train，y_train，epochs=5).

　　模型。求值(x _ test，y_test))。

　　此代码来自tensorflow官网，完成手写图像的识别。

　　简单评论

　　把28*28大小的图像数据做成一维的(crush，tf.keras.layers.flat())))))。

　　使用全连通网络tf.keras.layers.Dense，最后在softmax上完成分类。正在添加TF。Keras.layers.dropout(0.2)半途减少拟合。您可以修改参数，并在容器的终端上运行这个程序，看看结果有什么不同。

　　其次，使用卷积神经网络来实现相同的功能。