tensorflowmac编译
‘壹’ 如何在Mac电脑上面编译GPU版本TensorFlow
确定你的Mac是Nvidia显卡,且compute capabilities >= 3.0,点这里查看 你的显卡型号是否支持
确保你的显存至少1GB以上(Mac即使是N卡,内存都少得可怜,我的GT640M只有512M,所以后面跑CNN基本都会OOM)
编译TensorFlow需要安装Xcode(如果安装CUDA 7.5.27,可以用Xcode7.3,否者只能用7.2版本)假定大家的Mac已经安装了Homebrew(没安装的人点这里安装)
在后续安装过程中有些包下载会非常慢,甚至被墙,所以你最好有VPN,如果不想花钱可以用免费的Lantern!
‘贰’ opencv3与tensorflow的关系,各有什么有优缺点
优缺点如下:
一、OpenCV
1、研究代码(慢,不稳定,独立并与其他库不兼容)。
2、耗费很高的商业化工具(比如Halcon,MATLAB+Simulink)。
3、依赖硬件的一些特别的解决方案(比如视频监控,制造控制系统,医疗设备)这是如今的现状,而标准的API将简化计算机视觉程序和解决方案的开发,OpenCV致力于成为这样的标准API。
二、TensorFlow
1、可用性
TensorFlow 工作流程相对容易,API 稳定,兼容性好,并且 TensorFlow 与 Numpy 完美结合,这使大多数精通 Python 数据科学家很容易上手。
与其他一些库不同,TensorFlow 不需要任 何编译时间, 这允许你可以更快地迭代想法。在TensorFlow 之上 已经建立了多个高级 API,例如Keras 和 SkFlow,这给用户使用TensorFlow 带来了极大的好处。
2、灵活性
TensorFlow 能够在各种类型的机器上运行,从超级计算机到嵌入式系统。它的分布式架构使大量数据集的模型训练不需要太多的时 间。TensorFlow 可以同时在多个 CPU,GPU 或者两者混合运行。
3、效率
自 TensorFlow 第一次发布以来,开发团队花费了大量的时间和努力 来改进TensorFlow 的大部分的实现代码。 随着越来越多的开发人 员努力,TensorFlow 的效率不断提高。
系统支持
可以在Windows,Android,Maemo,FreeBSD,OpenBSD,iOS,Linux 和Mac OS等平台上运行。使用者可以在 SourceForge 获得官方版本,或者从 SVN 获得开发版本。OpenCV也是用CMake。
在Windows上编译OpenCV中与摄像输入有关部分时,需要DirectShow SDK中的一些基类。该SDK可以从预先编译的Microsoft Platform SDK(or DirectX SDK 8.0 to 9.0c / DirectX Media SDK prior to 6.0)的子目录获得。
‘叁’ Mac鐢佃剳鑳界敤GPU钖
涓嶈兘銆
锘烘湰涓婃墍链夌殑macbook鑻规灉链閮芥槸浣跨敤镄AMD鏄惧崱,涓嶆敮鎸丯avid鏄惧崱,镓浠ヨ娴鏋灭玛璁版湰镄凾ensorflow绛链哄櫒瀛︿範妗嗘灦涓嶈兘鍦℅PU涓婃墽琛屻