广西网站开发公司,旅游网站官网,课程资源网站开发,江西网站制作前言
首先本文讨论的是windows系统#xff0c;显卡是英伟达#xff08;invida#xff09;如何安装tensorflow-gpu。一共需要安装tensorflow-gpu、cuDNN、CUDA三个东西。其中CUDA是显卡的驱动库#xff0c;cuDNN是深度学习加速库。
安装开始前#xff0c;首先需要安装好c…前言
首先本文讨论的是windows系统显卡是英伟达invida如何安装tensorflow-gpu。一共需要安装tensorflow-gpu、cuDNN、CUDA三个东西。其中CUDA是显卡的驱动库cuDNN是深度学习加速库。
安装开始前首先需要安装好conda网上有很多教程这里不再赘述。先创建conda虚拟环境默认后续的操作都是在该环境中操作
conda create --name tf2 python3.7
conda activate tf2一、安装tensorflow-gpu
1、在tensorflow官网找到想要安装的版本
pip install tensorflow_gpu2.4.0如果安装较慢可以做conda换源或者直接下载到本地来安装。访问conda的默认pip镜像源查找tensorflow_gpuhttps://pypi.org/simple/tensorflow-gpu/ 选择python3.7的版本下载到本地然后再本地安装
pip install tensorflow_gpu-2.4.0-cp37-cp37m-win_amd64.whl二、安装CUDA
1、查找CUDA
conda search cudatoolkit查找不到对应版本的话可以指定·conda-forge·仓库。
conda search cudatoolkit -c conda-forge2、安装对应版本的CUDA 选择tensorflow官网的版本要求进行安装
### 前言
首先本文讨论的是windows系统显卡是英伟达invida如何安装tensorflow-gpu。一共需要安装tensorflow-gpu、cuDNN、CUDA三个东西。其中CUDA是显卡的驱动库cuDNN是深度学习加速库。安装开始前首先需要安装好conda网上有很多教程这里不再赘述。先创建conda虚拟环境默认后续的操作都是在该环境中操作
shell
conda create --name tf2 python3.7
conda activate tf2一、安装tensorflow-gpu
1、在tensorflow官网找到想要安装的版本 2、安装tensorflow-gpu
pip install tensorflow_gpu2.4.0如果安装较慢可以做conda换源或者直接下载到本地来安装。访问conda的默认pip镜像源查找tensorflow_gpuhttps://pypi.org/simple/tensorflow-gpu/ 选择python3.7的版本下载到本地然后再本地安装
pip install /c/Users/1/Downloads/tensorflow_gpu-2.4.0-cp37-cp37m-win_amd64.whl二、安装CUDA
1、查找CUDA
conda search cudatoolkit查找不到对应版本的话可以指定·conda-forge·仓库。
conda search cudatoolkit -c conda-forge2、安装对应版本的CUDA 选择tensorflow官网的配套要求安装
conda install cudatoolkit11.0.3 -c conda-forge这里安装也比较费时间。于是我们还是采用本地安装。在Anaconda仓库查找cudatoolkit 下载到本地后直接安装 conda install /c/Users/1/Downloads/cudatoolkit-11.0.3-hd336c7a_13.conda三、安装cuDNN
1、查找cuDNN conda search cudnn -c conda-forge2、安装cuDNN 选择相应的版本安装
conda install cudnn8.0.5.39 -c conda-forge当然这里也比较慢所以我们还是走本地安装首先在Anconda仓库下载 然后安装 conda install /c/Users/1/Downloads/cudnn-8.0.5.39-hfe7f257_1.tar.bz2到此安装完毕
四、测试
import tensorflow as tfprint(tf.__version__)
print(tf.test.gpu_device_name())
print(tf.config.experimental.set_visible_devices)
print(GPU:, tf.config.list_physical_devices(GPU))
print(CPU:, tf.config.list_physical_devices(device_typeCPU))
print(tf.config.list_physical_devices(GPU))
print(tf.test.is_gpu_available())
# 输出可用的GPU数量
print(Num GPUs Available: , len(tf.config.experimental.list_physical_devices(GPU)))
