win11+R7-5800+gtx3060 搭建 tensorflow+pytorch 环境

最新推荐文章于 2024-04-01 12:49:27 发布
最新推荐文章于 2024-04-01 12:49:27 发布
阅读量796 收藏 2
点赞数
分类专栏： Deep Learning Tensorflow Python 文章标签： tensorflow pytorch 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/API1_7/article/details/123453457
版权

win11+R7-5800+gtx3060 搭建 tensorflow+pytorch 环境

本机配置

  • cpu: AMD R7-5800
  • 显卡: Geforce RTX 3060
  • 操作系统：windows11

目标

  • 搭建深度学习环境，用 gpu 跑 tensorflow 和 pytorch 模型

主要配置

CUDA driver

471.41-notebook-win10-64bit-international-nsd-whql.exe

CUDA toolkit

cuda_11.4.2_471.41_win10.exe，虽然写的是 win10，但是可以在win11上用。

cudnn

cudnn-11.4-windows-x64-v8.2.4.15.zip
要注册账号登录后才可以下载，下载后解压，把三个目录的文件对应着复制到 cuda toolkit 目录中去

tensorflow，tensorflow-gpu

pip install tensorflow==2.6.0 tensorflow-gpu==2.6.0

pytorch

pip install torch==1.8.0

注意点

  1. 要将 CUDA driver 和 CUDA toolkit 的版本对其，我这里都用的 11.4 版本，更具体要看一下version号 471.41，可以通过version号把上述三者对应起来，其中三个version号查询对应参考下面链接：
  2. tensorflow 官网有个 tensorflow版本和cuda版本对照表，大致看一下就好，只是个参考，比如我现在这个配置，那里面是没有的，它提到 tf2.6.0 对应 cuda 11.2，但实际上11.4也是可以的
  3. 卸载之前安装过的cuda toolkit和cuda driver时一定要卸载干净，在应用卸载界面把有nvidia字样的一律全部卸载，不然会造成版本混淆

参考资料

  • https://blog.csdn.net/weixin_43760844/article/details/115612970
  • https://cdmana.com/2021/12/202112111843045915.html
二月七
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
专栏目录
tensorflow生成常量_基于TensorFlow的深度学习系列教程 2——常量Constant
weixin_34832150的博客
01-17 265
前面介绍过了Tensorflow的基本概念，比如如何使用tensorboard查看计算图。本篇则着重介绍和整理下Constant相关的内容。常量的概念在tensorflow中，数据分为几种类型: 常量Constant、变量Variable、占位符Placeholder。其中：常量：用于存储一些不变的数值，在计算图创建的时候，调用初始化方法时，直接保存在计算图中变量：模型训练的参数，比如全连接里面的...
搭建深度学习开发环境
weixin_43343389的博客
12-07 1243
搭建深度学习开发环境 在智能零售AI边缘计算应用领域，基于OpenVINO™工具套件的英特尔AI硬件加速计划方案是一个既能满足工业运行环境要求、又能满足边缘计算端性能和成本要求的高性价比方案。 本文搭建深度学习开发的英特尔硬件环境如下： 芯片：第八代inel酷睿处理器，处理器型号：Intel® Core™ i5-8259U CPU 显卡：集成显卡，显卡型号：英特尔锐炬® Plus 品牌 655 内存：8G 存储：256G 芯片性能详细介绍链接： https://www.intel.cn/content/ww
win10+3060+tensorflow+pytorch+安装教程.doc
08-03
RTX3060安装tensorflow+pytorch+pycharm+anaconda，文档中含有百度网盘的安装包（永久分享），省去了人工在nvidia官网下载文件，同时pytorch直接运行whl文件就可以了，省时间，另外安装包里面还有pycharm包，以及相关安装和使用的注意事项。网上太多人3060的安装，好多都是错误的，tensorflow现在支持11.1？亲自实验，不行的，需要cuda11.0版本。
Windows 11 安装tensorflow-gpu深度学习环境
最新发布
【更新于公众号 | 简谱学记】
04-01 1300
TensorFlow 是一个由 Google 建立的深度学习库，自从去年年初推出以来，它已经获得了很大的吸引力。主要功能包括自动微分、卷积神经网络(CNN)和回归神经网络(RNN)。它是用 C + + 和 Python 编写的，为了提高性能，它使用了一个名为“ Cloud TensorFlow”的服务器，该服务器运行在 Google Cloud Platform 上。它不需要 GPU，而 GPU 是它的主要功能之一。Tensorflow 的最新版本也通过 matplotlib 支持数据可视化。
win7+GTX1060配置及运行TensorFlow
tzyhpcom的博客
08-26 2631
本机配置 操作系统: Windows 7 旗舰版 64位 SP1 处理器: AMD A8-7600 Radeon R7, 10 Compute Cores 4C+6G 四核 主板: 铭瑄 MS-A88FX FS 内存:16 GB 显卡: Nvidia GeForce GTX 1060 3GB ( 3 GB / Nvidia ) 配置TensorFlow 安装Python3版本的Anaconda（目前
Tensorflow-gpu2.0.0安装以及tensorflow-gpu安装成功的测试程序
SeventhBlue
11-04 1万+
原本： 测试代码： import tensorflow as tf import timeit with tf.device('/cpu:0'): cpu_a = tf.random.normal([10000, 1000]) cpu_b = tf.random.normal([1000, 2000]) print(cpu_a.device, cpu_b.device) with ...
集成显卡环境下Pycharm如何使用tensorflow CPU库
u012331046的博客
07-18 374
【代码】集成显卡环境下Pycharm如何使用tensorflow CPU库。
深度学习训练模型的硬件条件
热门推荐
玥晓珖的博客
06-24 1万+
https://blog.csdn.net/caimouse/article/details/77942582从李飞飞的课程里，可以看到她的电脑配置，这个配置是机器学习的基本配置，我们可以参考一下：http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture8.pdfCPU： intel core i7-7700k 4.4G内存：4X8G 显...
#GPU|LLM|AIGC#集成显卡与独立显卡|显卡在深度学习中的选择与LLM GPU推荐
weixin_45312236的博客
01-22 568
显存，也被称作帧缓存。独立显卡拥有独立显存，而集成显卡通常是没有的，需要占用部分主内存来达到缓存的目的是集成在主板上的，与主处理器共享系统内存。一般会在很多轻便薄型的笔记本与低端的台式电脑上得到广泛的应用性能较低，适合一般办公和基本图形任务。一块独立的图形处理器，有自己的显存，并且不与主处理器共享内存。独立显卡通常性能更强大，适合处理复杂的图形和游戏。在一些专业应用和高性能需求的场景中，独立显卡往往能够提供更好的性能和图形处理能力。
深度学习Pytorch框架的环境配置
Chster_bobo的博客
09-14 776
手拉手教小伙伴配置Python+Pytorch+CUDA+cuDNN环境
在windows10上配置深度学习GPU开发环境
蜗牛博客
08-30 776
个人环境 系统：windows10 显卡：3090*2 cuda: 11.1 cudnn: 8.2.2 pytorch: 1.8.0 tensorflow: 2.5.0
PyTorch-1.4.0+torchvision-0.5.0.zip
07-18
用于深度学习的环境搭建，本人配置为Win10_64+CUDA10.0+Python3.7.1，亲测可用。
深度强化学习+DQN+Pytorch+CartPole-v0
07-14
基于Pytorch实现的DQN算法，环境是基于CartPole-v0的。在这个程序中，复现了整个DQN算法，并且程序中的参数是调整过的，直接运行。 DQN算法的大体框架是传统强化学习中的Q-Learning，只不过是Q-learning的深度学习...
CTPN（tensorflow）+CRNN（pytorch）+CTC-附件资源
03-02
CTPN（tensorflow）+CRNN（pytorch）+CTC-附件资源
火焰烟雾检测-使用yolo4+yolov5开发的火焰烟雾检测-pytorch+darknet-优质项目分享.zip
01-25
火焰烟雾检测_使用yolo4+yolov5开发的火焰烟雾检测_pytorch+darknet_优质项目分享
Python - 深度学习系列13- 显卡与CPU计算对比
yukai08008的博客
12-20 5855
说明 因为装3060Ti的时候踩了坑(雷?)，所以不太清楚这张卡是不是如同之前想象的一样，所以这篇文章会进行一系列的实验和对比。可能对其他希望用显卡进行计算的人有所帮助。 1 本篇的代码可以在装好显卡（以及环境）以后测试。 2 估算CPU以及不同显卡间的算力差距。 显卡计算的特点是：只要内存不爆，那么多大的矩阵计算时间是差不多的。 1 基本概念 如果把显卡只当成矩阵计算的工具，那么最重要的就是矩阵的尺寸/数据类型。因为矩阵占用的空间是平方增加的，所以要清除存储允许的计算上限。 float16类型在
怎么用显卡计算_卷积神经网络在移动端集成显卡上的加速
weixin_39604598的博客
11-03 649
作者: 王乐园 王贻达 AWS AI本文谈的是在移动端加速卷积神经网络。虽然AWS是个云服务公司，我们同样重视edge上的计算。现代终端设备一般都跟云端服务器相连，但只要可能，我们都希望计算可以在本地终端解决，这样做的好处是多方面的：既可以减小网络带宽的压力，又可以避免网络传输产生的时延，还可以让用户的数据更安全。现代终端设备一般用一个片上系统 (SoC)做计算，上面部署了通用的CPU和集成显卡。...
win11+RTX3060搭建tensorflow深度学习环境
凌陨心
12-30 4298
文章目录win11+RTX3060搭建tf2.6深度学习环境1.所需软件2.安装cuda3.配置cudnn4.conda添加新环境并下载tf2.65.测试gpu参考文献 win11+RTX3060搭建tf2.6深度学习环境 1.所需软件 cuda cudnn cudnn下载需要注册账号 anaconda tf2.6.2 2.安装cuda cuda简介： CUDA是NVIDIA发明的一种并行计算平台和编程模型。 它可以通过利用图形处理器(GPU)的能力来显著提高计算性能。 CUDA的开发有以下几个设计目
个人电脑做深度学习（系统和配置问题）
Sue_qx的博客
09-19 2533
1，系统选择 ubuntu系统优于windows系统 原因：同一代码同一机器，ubuntu系统的运行速度优于windows系统 双系统安装ubuntu：https://blog.csdn.net/lipengfei0427/article/details/83116527 双系统卸载ubuntu：https://blog.csdn.net/qq_42815188/article/detai...
win11+cudn+pytorch+pycham
05-01
Win11是微软公司最新推出的操作系统，相比于以往版本，Win11更加美观、简洁，支持更多...综上所述，Win11支持CUDA加速，可用于深度学习工作，在此环境下使用PyTorch建模并通过PyCharm调试的高效性能将会有更大的提升。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值