出于某种原因,我想使用一些先前版本的tensorflow(' tensorflow - ** - .whl',而不是github上的源代码)我在哪里可以下载以前的版本,我该怎么办?知道兼容的相应cuda version
。
答案 0 :(得分:30)
它适用于Windows,因为我有1.6
pip install tensorflow==1.5
答案 1 :(得分:13)
查找可用版本(显示一些示例结果):
$ curl -s https://storage.googleapis.com/tensorflow |xmllint --format - |grep whl
<Key>linux/gpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl</Key>
<Key>linux/gpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl</Key>
<Key>linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl</Key>
<Key>linux/gpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl</Key>
当然,您可以通过管道grep
的其他实例来进一步过滤结果。
选择您想要的版本并使用pip
...
$ TFVERSION=linux/gpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl
$ pip install https://storage.googleapis.com/tensorflow/$(TFVERSION)
注意:上面列表中的cp27
表示与Python 2.7版的兼容性。
答案 2 :(得分:6)
上述答案不再适用。
您可以像这样安装:
curl -s https://storage.googleapis.com/tensorflow |xmllint --format - |grep whl
<Key>linux/gpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl</Key>
<Key>linux/gpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl</Key>
<Key>linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl</Key>
<Key>linux/gpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl</Key>
然后选择你想要的模型。
然后你可以运行这种命令:
# Mac OS X, CPU only, Python 2.7:
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.11.0-py2-none-any.whl
然后安装Tensorflow:
# Python 2
$ sudo pip install --upgrade $TF_BINARY_URL
# Python 3
$ sudo pip3 install --upgrade $TF_BINARY_URL
来源:https://www.tensorflow.org/versions/r0.11/get_started/os_setup#download-and-setup
答案 3 :(得分:2)
答案 4 :(得分:1)
答案 5 :(得分:1)
您可以事先按照建议进行操作,并在tesorflow site 中搜索可用版本,但无法访问旧版本的旧版本。
所以如果你想要一个早期版本:
答案 6 :(得分:1)
要下载旧版本的TensorFlow,请确保同时使用了旧版本的python。否则,您将遇到类似no version satisfying requirement found
的问题。
pip install tensorflow==1.4
左右。答案 7 :(得分:0)
要找出可用的先前版本,您只需使用:
pip search tensorflow-gpu
或pip search tensorflow
conda search tensorflow-gpu
或conda search tensorflow
并甚至安装它们:
pip install tensorflow-gpu==1.15.0
或pip install tensorflow==1.15.0
conda install tensorflow-gpu==1.15.0
或conda install tensorflow==1.15.0
我的经验conda搜索要干净得多,也更容易找到软件包。