本文共 963 字，大约阅读时间需要 3 分钟。

使用pip停止安装Tensorflow！请改用conda。如果您不知道conda是什么，它是一个跨平台运行的开源软件包和环境管理系统。因此它适用于Mac，Windows和Linux。如果你还没有使用conda，我建议你开始，因为它使管理你的数据科学工具更加愉快。

以下是使用conda而不是pip安装Tensorflow的两个非常重要的原因。

1.     CPU性能更快
2.     conda Tensorflow软件包利用用于深度神经网络的英特尔数学核心库或从1.9.0版本开始的MKL-DNN。该库提供了巨大的性能提升。这是一张证明它的图表！

如您所见，与pip安装相比，conda安装的性能可提供超过8 倍的速度提升。对于经常使用CPU进行培训和推理的人来说，这非常有用。作为一名机器学习工程师，我使用我的CPU在我的代码上运行测试列车，然后将其推送到支持GPU的机器上。这种速度的提高将帮助我更快地迭代。我可以在CPU上做很多推理，所以这将有助于我的模型性能。

MKL库不仅可以加速您的Tensorflow软件包，还可以加速其他广泛使用的库，如NumPy，NumpyExr，SciPy和Scikit-Learn！了解如何通过以下链接获取该设置。

更简单的GPU版本安装

conda安装将自动安装GPU支持所需的CUDA和CuDNN库。点子安装将要求您手动执行此操作。每个人都喜欢一步到位的过程，特别是在下载库时。

快速开始

所以我希望这两个原因足以让你切换到使用conda。如果您确信这里是开始的步骤。

pip uninstall tensorflow

如果你还没有安装或。Miniconda只是安装conda和它的依赖，而Anaconda将为你预先安装很多软件包。我更喜欢Miniconda开始使用。安装conda后试试这个。

conda install tensorflow

如果您想要启用GPU的版本，请使用tensorflow-gpu替换tensorflow。

除了更快更简单地用于Tensorflow之外，conda还提供了其他工具集，使其更易于集成到您的工作流程中。我最喜欢的一个是他们的虚拟环境功能。您可以阅读有关conda和tensorflow的更多信息。还有更多关于MKL优化的。希望这有助于并一如既往地感谢阅读！

原文：

转载地址：https://blog.csdn.net/ChenVast/article/details/82993360 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！