一、问题描述我们在安装完tensorflow-gpu深度学习库的时候，为了验证是否能够正常运行，会运行如下代码判断是否安装成功。import tensorflow as tftf.test.is_gpu_available()但是有时候可能由于自己安装过程的错误，导致了以下错误，其中关键错误已经标出。二、解决方法从报错的信息来看，很容易判断是缺失了cusolver64_10.dll文件。那么我们只

使用Pytorch的预训练模型实现四种天气分类问题

一、保存模型的全部配置信息使用model.save()函数搭配tf.keras.models.load_model()对模型的架构，权重以及配置进行保存与恢复。模型的保存代码如下：import tensorflow as tfimport os# 环境变量的配置os.environ['TF_XLA_FLAGS'] = '--tf_xla_enable_xla_devices'os.environ[

1.查看Linux系统是否已经安装了Nvidia驱动命令行输入：nvidia-smi 进行查看：nvidia-smi如果输出以下信息，则Linux系统中已经安装了Nvidia驱动。如果没有以上的输出信息，则开始进行Nvidia驱动的安装。2.下载Nvidia官方驱动程序查看自己的显卡型号，下载对应的驱动。命令行输入：lspci | grep NVIDIAlspci | grep NVIDIA对应输

1.首先在安装cuda与cudnn之前，系统需要成功安装Nvidia驱动，安装教程请参照以下教程：Nvidia驱动安装教程2.验证系统内部是否已经安装了cuda打开命令行，输入以下命令：nvcc -V若出现以下输出，则系统内部没有安装cuda。3.进行cuda安装包与cudnn的下载cuda的下载链接：cuda下载链接cudnn的下载链接：cudnn下载链接在下载这两个文件的时候，需要注意cudn

1.登陆远程服务器终端本地命令行输入以下命令，进行登陆服务器的操作：ssh 用户名@IP地址2.生成jupyter notebook的配置文件命令行输入以下命令，以生成jupyter notebook配置文件jupyter notebook --generate-config3.生成配置文件中所需要的密码串命令行中输入以下命令进入ipython：ipython在ipython中输入以下代码以生成密

Swing窗口，面板package com.akita.lesson03;import javax.swing.*;import java.awt.*;public class JFrameDemo02 {public static void main(String[] args) {new MyJFrame02().init();}}class MyJFrame02 extends JFrame

一、保存模型的全部配置信息使用model.save()函数搭配tf.keras.models.load_model()对模型的架构，权重以及配置进行保存与恢复。模型的保存代码如下：import tensorflow as tfimport os# 环境变量的配置os.environ['TF_XLA_FLAGS'] = '--tf_xla_enable_xla_devices'os.environ[