conda装Tensorflow性能飙升，别用pip

使用conda安装Tensorflow可以显著提升性能，速度可达pip安装的8倍以上。conda是一个跨平台的开源软件包和环境管理系统，适用于Mac、Windows和Linux。通过利用英特尔的数学核心库（MKL-DNN），conda安装的Tensorflow在CPU性能上表现出色，尤其适合需要频繁进行CPU训练和推理的用户。此外，conda还简化了GPU版本的安装过程，自动配置CUDA和CuDNN库，省去了手动安装的麻烦。选择conda不仅能提升Tensorflow的运行效率，还能更好地管理数据科学工具。

编译：chux

出品：ATYUN订阅号

别再用pip安装Tensorflow了，改用conda吧，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，我建议你尝试一下，因为它使管理数据科学工具更加轻松。

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

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。该库使性能提升巨大。这是一张证明它的图表！

如你所见，与pip安装相比，用conda安装的性能可将速度提升超过8倍。对于经常使用CPU进行训练和推理的人来说，这非常有用。作为一名机器学习工程师，我（Michael Nguyen）使用我的CPU在我的代码上运行测试训练，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Tensorflow软件包，还可以加速其他广泛使用的库，如NumPy，NumpyExr，SciPy和Scikit-Learn。

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

所以我希望这两个原因足以让你选择使用conda，步骤如下。

conda install tensorflow

如果你想要启用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，使其更易于集成到你的工作流程中。我最喜欢的一个是他们的虚拟环境功能。

更多相关信息：www.anaconda.com/blog/developer-blog/tensorflow-in-anaconda/

理论要掌握，实操不能落！以上关于《conda装Tensorflow性能飙升，别用pip》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！