← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9866.k · 生成模型:Hunyuan

conda装TF优势

理解等级:高级

同样装 TensorFlow,conda 之所以被推荐,首先在于 CPU 性能:conda 的 TensorFlow 包利用了英特尔数学核心库 MKL 以及面向深度神经网络的 MKL-DNN,相比 pip 安装最多可提升 8 倍,而且 MKL 还能加速 NumPy、Scikit-Learn 等常用库。其次在于 GPU 安装的简化:conda 会自动装上 CUDA 与 cuDNN,pip 则必须手工完成。取舍的边界是,conda 仓库有时找不到某些版本,此时改用 pip 更灵活,因为 pip 往往能装到较新的版本。因此更稳妥的策略是优先 conda 获得性能与依赖便利,遇到版本缺失再回退 pip,而不是一概否定其中一种方式。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》附录A 基于GPU的TensorFlow 2+与PyTorch 1+升级安装(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter21_0010.xhtml) - 结论依据:原文 A.11 引用 Michael Nguyen 的两点理由:conda 借 MKL/MKL-DNN 最多提升 8 倍 CPU 性能并加速其他库,且自动安装 CUDA 与 cuDNN;说明部分补充 conda 缺版本时改用 pip。 - 原始内容:CondaTensorFlow包利用了用于深度神经网络或1.9.0版本以上的MKL-DNN网络的英特尔的数学核心库(Math Kernel Library,MKL),这个库能让CPU的性能大幅提升。