Advertisement

Win10下使用VS2019和Bazel编译TensorFlow 2.1.1 CPU版本（附带测试程序）

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本教程详细介绍在Windows 10环境下利用Visual Studio 2019及Bazel构建工具，编译安装TensorFlow 2.1.1的CPU版，并提供简单的测试代码以验证环境配置正确性。适合初学者快速上手开发。 在Win10环境下使用VS2019、Python 3.7.9以及Bazel 0.29.1编译TensorFlow-v2.1.1的CPU版本库，支持AVX2指令集。由于机器没有NVIDIA显卡，只能编译CPU版。后续会继续测试其他版本，并使用官方提供的C++示例代码和网上找到的相关代码进行验证。相关文件（包括模型pb文件）位于data目录下，在VS2019环境下已通过Demo测试。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Win10下使用VS2019和Bazel编译TensorFlow 2.1.1 CPU版本（附带测试程序）
    优质
    本教程详细介绍在Windows 10环境下利用Visual Studio 2019及Bazel构建工具，编译安装TensorFlow 2.1.1的CPU版，并提供简单的测试代码以验证环境配置正确性。适合初学者快速上手开发。 在Win10环境下使用VS2019、Python 3.7.9以及Bazel 0.29.1编译TensorFlow-v2.1.1的CPU版本库，支持AVX2指令集。由于机器没有NVIDIA显卡，只能编译CPU版。后续会继续测试其他版本，并使用官方提供的C++示例代码和网上找到的相关代码进行验证。相关文件（包括模型pb文件）位于data目录下，在VS2019环境下已通过Demo测试。
     
  • 在Win10下使用VS2019编译OpenCV_CUDA
    优质
    本教程详细介绍了如何在Windows 10系统中配置Visual Studio 2019环境，并成功编译带有CUDA支持的OpenCV库，适用于计算机视觉和深度学习开发。 该资源适用于在VS2019下编译OpenCV4.5.1的CUDA加速版本以及OpenCV_contrib4.5.1。此配置允许使用OpenCV的Dnn模块进行深度学习得到的ONNX文件进行前向推理和部署。作者使用的电脑环境为Windows 10，Visual Studio 2019、Intel i7第九代处理器及NVIDIA RTX 1650显卡（CUDA计算能力分别为6.0、6.5、7.0和7.5）。下载并解压缩打包文件后，只需正确配置电脑环境变量即可使用。有关OpenCV的具体环境配置方法可以在网上搜索相关资料进行参考。
     
  • 在 Windows 下使用 build_win.cmd 编译 CPU 版本的 Caffe - 附带资源
    优质
    本文介绍了如何在Windows系统下利用build_win.cmd脚本编译Caffe的CPU版本，并提供了所需的全部资源。适合希望在Windows环境中搭建Caffe开发环境的技术爱好者参考。 在Windows下使用build_win.cmd直接编译CPU版的caffe。
     
  • 在Win10中使用VS2019编译的64位Curl库，版本为7.84.0
    优质
    本项目提供了针对Windows 10操作系统的教程和指南，详细介绍如何利用Visual Studio 2019开发环境构建一个特定版本（7.84.0）的64位Curl库。 在Windows 10上使用CMake 3.22版本与Visual Studio 2019编译了curl库的最新版7.84.0（支持SSL）。已将生成的库文件整理为lib、include结构，其中包含curl.exe。curl是一个利用URL语法工作的命令行文件传输工具，支持多种HTTP请求操作。在Linux和Windows 10中都可以直接使用curl指令。
     
  • 在Win10环境下使用VS2019与Qt 5.15编译的VTK（8.2/9.2.6），包含Debug和Release版本
    优质
    本项目介绍在Windows 10系统中，利用Visual Studio 2019配合Qt 5.15框架，成功构建了VTK（Version 8.2及9.2.6）的调试与发布版本。 在Windows 10环境下使用Visual Studio 2019和Qt 5.15编译的VTK（版本8.2或9.2.6），已分别完成了debug和release两个版本的构建，测试中未发现明显问题。
     
  • 使用VS2015为TensorFlow 1.10.0 CPU版本编译C++ API库文件
    优质
    本教程详细介绍了如何在Visual Studio 2015环境下为TensorFlow 1.10.0的CPU版本编译C++ API库文件，适用于希望使用该框架进行深度学习项目开发的技术人员。 经过1天的编译，成功将CPU版的TensorFlow 1.10.0编译出C++ API的库文件。现在可以使用C++编写代码来调用TensorFlow运行示例程序，并支持GPU训练出来的模型。本人已经亲测无误。需要的朋友可以联系获取，环境为VS2015-64位。
     
  • 使用OpenCV 4.4.0 和 OpenCV_Contrib 4.4.0 在 VS2019 和 Win10 下通过 CMake 编译的配置...
    优质
    本简介提供在Windows 10系统下，利用Visual Studio 2019和CMake工具针对OpenCV 4.4.0及其贡献模块4.4.0进行编译安装的详细步骤与注意事项。 此文件是为需要自行重新编译OpenCV库的用户准备的，并非预编译好的OpenCV版本。在使用OpenCV 4.4.0与OpenCV Contrib 4.4.0、Visual Studio 2019和Windows 10系统时，利用CMake进行编译过程中，请将该文件复制到OpenCV源代码的.cache目录中。
     
  • Win10下使用VS2015编译NMS和GPUNMS
    优质
    本教程详细介绍在Windows 10环境下利用Visual Studio 2015进行深度学习库如NMS及GPUNMS的编译过程，适合开发者参考学习。 对于使用RCNN、R-FCN和Tiny-Face的人来说，在Windows 10环境下利用VS2015编译nms和gpunms是可行的，并且已经有人成功完成过，推荐尝试下载相关资源进行实践。
     
  • Windows 10下使用VS2015编译的TensorFlow 2.0版本(C++)
    优质
    本教程详细介绍了在Windows 10操作系统中，利用Visual Studio 2015环境搭建并编译C++版TensorFlow 2.0的方法与步骤。 本段落主要讨论如何在Windows 10环境中使用C++语言与TensorFlow 2.0库进行交互，并实现深度学习模型的编译及运行。 安装环境是关键步骤之一，具体如下： 1. **Visual Studio 2015**：这是开发C++应用的标准IDE，提供必要的编译器和调试工具。确保已安装适用于C++开发的相关组件，因为TensorFlow构建需要这些支持。 2. **CUDA和cuDNN**：若计划利用GPU加速计算，则需安装NVIDIA的CUDA Toolkit及对应的cuDNN库。它们为GPU编程提供了必要接口，并对TensorFlow GPU版本至关重要。 3. **Bazel**：TensorFlow使用Bazel作为构建工具，它管理项目依赖并编译代码。通过此工具可以顺利地构建和安装TensorFlow。 4. **Python和pip**：尽管主要采用C++开发，但安装Python环境（建议为Python 3.x）及确保pip已更新至最新版本是必要的步骤之一。 完成上述准备工作后，接下来需要进行TensorFlow C++库的构建： 1. **获取源代码**：从官方GitHub仓库克隆或下载TensorFlow源代码。 2. **配置构建选项**：使用Bazel根据环境（CPU或GPU）设置相应的构建参数。例如，在支持GPU的情况下，应指定`--config=cuda`。 3. **编译库文件**：运行如`bazel build tensorflow:libtensorflow_cc.so`等命令生成C++库。 4. **链接库到项目中**：将上述步骤产生的库文件添加至你的C++项目，并确保设置正确的路径和链接器选项。 在使用TensorFlow C++ API时，以下几点值得注意： 1. **图操作**：通过定义计算图来实现TensorFlow功能。每个节点代表一个具体的操作，而边则表示数据流。`tensorflow::GraphDef`对象用于加载模型定义。 2. **会话（Session）**：使用`tensorflow::Session`执行计算任务。创建此类实例后，即可启动所需的任务运行。 3. **输入和输出处理**：在调用模型时需提供输入数据并指定输出节点位置。利用`tensorflow::Tensor`对象表示数据，并通过`Session::Run()`方法传递这些信息。 4. **错误处理机制**：考虑到可能遇到的各类运行时问题，如文件不存在或类型不匹配等状况，建议加入适当的错误处理流程。 5. **异步执行支持**：TensorFlow C++ API还提供异步执行选项，在大量数据处理或需要并行任务的情况下非常有用。 6. **优化器和评估功能**：对于涉及训练的模型，可以使用如SGD、Adam等内置优化器，并通过损失函数来评价模型性能。 此外，预编译好的TensorFlow 2.0库可用于Windows 10与VS2015环境中的C++项目开发。只需将这些库链接到你的项目中并遵循上述API调用方式，即可直接在C++程序内使用TensorFlow进行预测或训练等操作，大大简化了深度学习应用的开发流程。
     
  • CCLS Win10下MINGW64编译版本
    优质
    CCLS Win10下MINGW64编译版本是一款专为Windows 10系统设计的代码补全和语法检查工具CCLS的MinGW-w64环境下编译的软件包，便于开发者在跨平台项目中使用。 **ccls Win10+mingw64编译版** `ccls` 是一个源代码高亮工具，常用于Emacs编辑器，它能够实时地为编程语言代码提供语法高亮，极大地提升了开发者在编辑器中的阅读体验。在这个Win10下的mingw64编译版本中，`ccls` 已经被编译为适应Windows 10操作系统的可执行文件，并且是针对mingw64环境优化的。`mingw64` 是一个在Windows上运行的GNU Compiler Collection (GCC) 的移植版，它为64位Windows系统提供了GNU开发工具链。 **关于ccls** `ccls`，全称“Continuum Code Classification Server”，最初由R. L. Polk创建，现在由社区维护。它的主要功能是在Emacs缓冲区中即时高亮显示代码，而无需保存或运行文件。`ccls` 支持多种编程语言，包括C、C++、Java、Python等，通过快速的语法分析，使得用户可以在编写代码时就能看到高亮的效果，这对于理解代码和调试非常有帮助。 **在Win10环境下安装和使用ccls** 1. **下载与解压**：你需要下载提供的压缩包，解压后会得到`.exe` 和 `.dll` 文件。 2. **配置环境**：为了使`ccls` 在Windows 10下正常工作，需要将解压后的`.exe` 和 `.dll` 文件复制到 `c:msys2mingw64bin` 目录下。这是mingw64环境的默认路径，存放着各种命令行工具和库文件。 3. **配置Emacs**：在Emacs中使用`ccls` 需要在配置文件（通常为`~/.emacs.d/init.el`）中添加相关设置。可以添加以下代码： ```lisp (require ccls-autoloads) (add-hook c-mode-hook #ccls-mode) (add-hook c++-mode-hook #ccls-mode) ``` 4. **测试与运行**：重启Emacs，打开一个C或C++源代码文件。如果一切配置正确，你应该可以看到代码被实时高亮了。 **注意事项** 由于这个版本是个人编译的，并且未经充分测试，可能会存在未知问题。在使用过程中如果遇到异常，请检查环境变量、库文件兼容性或者查找社区更新及解决方案。同时，确保你的Emacs版本与`ccls` 版本兼容，因为不兼容的版本可能会导致功能缺失或错误。 `ccls Win10+mingw64编译版` 提供了一个在Windows 10环境下使用Emacs进行C/C++编程时的高效代码高亮工具。尽管未经广泛测试，但正确配置和使用可以显著提升编程体验，尤其是在没有集成开发环境(IDE)的情况下。对于喜欢Emacs并追求代码阅读体验的开发者来说，这是一个值得尝试的选择。