TensorFlow安装CPU版本和GPU版本

已于 2024-06-30 02:05:23 修改
阅读量1.1k 收藏 10
点赞数 23
文章标签： tensorflow 人工智能
于 2024-06-30 01:12:50 首次发布
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/Huanghuali_/article/details/140070076
版权

文章目录

前言

下载的Anaconda是Anaconda3-2024.02-1-Windows-x86_64版本

一、TensorFlow安装CPU版本

本例子，下载的Python版本为3.11.7和tensorflow版本为2.16.1

1.新建虚拟环境

打开Anaconda Prompt，输入

conda create -n myenvname python=3.11.7

“myenvname”为自己的虚拟环境名字
在这里插入图片描述

2.激活虚拟环境

继续输入

activate myenvname

“myenvname”为自己的虚拟环境名字
在这里插入图片描述

3.下载tensorflow

直接安装tensorflow会遇到以下报错，这是提示有一些依赖没有安装
在这里插入图片描述
所以我先安装了依赖再下载tensorflow

pip install joblib==1.2.0 scipy==1.11.4 tabulate==0.9.0 tqdm==4.65.0 tensorflow==2.16.1 -i https://mirrors.aliyun.com/pypi/simple

在这里插入图片描述

4.验证是否下载成功

输入ipython，进入交互环境（要是报错，那可能是没有ipython，可以pip list查看一下，没有的话需要下载一个）
导入tensorflow

import tensorflow as tf

在这里插入图片描述
成功

二、TensorFlow安装GPU版本

本例子，下载的CUDA版本是11.5.2，cuDNN的版本是8.3.2，Python环境是3.9，tensorflow-gpu的版本是2.7.0。注：CUDA、cuDNN、python的环境要对应，不然会安装失败（很重要！！！）
CUDA和cuDNN具体安装教程看这篇GPU配置环境，这个教程很详细的介绍了GPU的配置。

1.新建虚拟环境

打开Anaconda Prompt，输入

conda create -n myenvname python=3.9

“myenvname”为自己的虚拟环境名字
在这里插入图片描述

2.激活虚拟环境

activate myenvname

“myenvname”为自己的虚拟环境名字
在这里插入图片描述

3.安装tensorflow-gpu

pip install tensorflow-gpu==2.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述

4.验证是否下载成功

进入python环境，导入tensorflow

 import tensorflow as tf

要是遇到这个问题，提示protobuf版本过低

(tensorflow2) C:\Users\asus>python
Python 3.9.19 (main, May  6 2024, 20:12:36) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\__init__.py", line 41, in <module>
    from tensorflow.python.tools import module_util as _module_util
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\__init__.py", line 41, in <module>
    from tensorflow.python.eager import context
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\eager\context.py", line 33, in <module>
    from tensorflow.core.framework import function_pb2
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\core\framework\function_pb2.py", line 16, in <module>
    from tensorflow.core.framework import attr_value_pb2 as tensorflow_dot_core_dot_framework_dot_attr__value__pb2
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\core\framework\attr_value_pb2.py", line 16, in <module>
    from tensorflow.core.framework import tensor_pb2 as tensorflow_dot_core_dot_framework_dot_tensor__pb2
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\core\framework\tensor_pb2.py", line 16, in <module>
    from tensorflow.core.framework import resource_handle_pb2 as tensorflow_dot_core_dot_framework_dot_resource__handle__pb2
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\core\framework\resource_handle_pb2.py", line 16, in <module>
    from tensorflow.core.framework import tensor_shape_pb2 as tensorflow_dot_core_dot_framework_dot_tensor__shape__pb2
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\core\framework\tensor_shape_pb2.py", line 36, in <module>
    _descriptor.FieldDescriptor(
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\google\protobuf\descriptor.py", line 553, in __new__
    _message.Message._CheckCalledFromGeneratedFile()
TypeError: Descriptors cannot be created directly.
If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
If you cannot immediately regenerate your protos, some other possible workarounds are:
 1. Downgrade the protobuf package to 3.20.x or lower.
 2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).

More information: https://developers.google.com/protocol-buffers/docs/news/2022-05-06#python-updates
>>>

输入exit()退出python环境，回到虚拟环境

pip install protobuf==3.19.6 -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

在这里插入图片描述
再次进入python环境，输入“import tensorflow as tf”，要是遇到如下问题，提示TensorFlow与NumPy的版本不兼容

(tensorflow2) C:\Users\asus>python
Python 3.9.19 (main, May  6 2024, 20:12:36) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf

A module that was compiled using NumPy 1.x cannot be run in
NumPy 2.0.0 as it may crash. To support both 1.x and 2.x
versions of NumPy, modules must be compiled with NumPy 2.0.
Some module may need to rebuild instead e.g. with 'pybind11>=2.12'.

If you are a user of the module, the easiest solution will be to
downgrade to 'numpy<2' or try to upgrade the affected module.
We expect that some modules will need time to support NumPy 2.

Traceback (most recent call last):  File "<stdin>", line 1, in <module>
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\__init__.py", line 41, in <module>
    from tensorflow.python.tools import module_util as _module_util
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\__init__.py", line 41, in <module>
    from tensorflow.python.eager import context
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\eager\context.py", line 38, in <module>
    from tensorflow.python.client import pywrap_tf_session
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\client\pywrap_tf_session.py", line 23, in <module>
    from tensorflow.python.client._pywrap_tf_session import *
AttributeError: _ARRAY_API not found

A module that was compiled using NumPy 1.x cannot be run in
NumPy 2.0.0 as it may crash. To support both 1.x and 2.x
versions of NumPy, modules must be compiled with NumPy 2.0.
Some module may need to rebuild instead e.g. with 'pybind11>=2.12'.

If you are a user of the module, the easiest solution will be to
downgrade to 'numpy<2' or try to upgrade the affected module.
We expect that some modules will need time to support NumPy 2.

Traceback (most recent call last):  File "<stdin>", line 1, in <module>
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\__init__.py", line 41, in <module>
    from tensorflow.python.tools import module_util as _module_util
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\__init__.py", line 46, in <module>
    from tensorflow.python import data
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\__init__.py", line 25, in <module>
    from tensorflow.python.data import experimental
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\experimental\__init__.py", line 98, in <module>
    from tensorflow.python.data.experimental import service
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\experimental\service\__init__.py", line 374, in <module>
    from tensorflow.python.data.experimental.ops.data_service_ops import distribute
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\experimental\ops\data_service_ops.py", line 27, in <module>
    from tensorflow.python.data.experimental.ops import compression_ops
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\experimental\ops\compression_ops.py", line 20, in <module>
    from tensorflow.python.data.util import structure
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\util\structure.py", line 26, in <module>
    from tensorflow.python.data.util import nest
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\util\nest.py", line 40, in <module>
    from tensorflow.python.framework import sparse_tensor as _sparse_tensor
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\framework\sparse_tensor.py", line 28, in <module>
    from tensorflow.python.framework import constant_op
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\framework\constant_op.py", line 29, in <module>
    from tensorflow.python.eager import execute
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\eager\execute.py", line 27, in <module>
    from tensorflow.python.framework import dtypes
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\framework\dtypes.py", line 30, in <module>
    from tensorflow.python.lib.core import _pywrap_bfloat16
AttributeError: _ARRAY_API not found
ImportError: numpy.core._multiarray_umath failed to import
ImportError: numpy.core.umath failed to import
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\__init__.py", line 41, in <module>
    from tensorflow.python.tools import module_util as _module_util
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\__init__.py", line 46, in <module>
    from tensorflow.python import data
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\__init__.py", line 25, in <module>
    from tensorflow.python.data import experimental
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\experimental\__init__.py", line 98, in <module>
    from tensorflow.python.data.experimental import service
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\experimental\service\__init__.py", line 374, in <module>
    from tensorflow.python.data.experimental.ops.data_service_ops import distribute
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\experimental\ops\data_service_ops.py", line 27, in <module>
    from tensorflow.python.data.experimental.ops import compression_ops
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\experimental\ops\compression_ops.py", line 20, in <module>
    from tensorflow.python.data.util import structure
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\util\structure.py", line 26, in <module>
    from tensorflow.python.data.util import nest
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\data\util\nest.py", line 40, in <module>
    from tensorflow.python.framework import sparse_tensor as _sparse_tensor
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\framework\sparse_tensor.py", line 28, in <module>
    from tensorflow.python.framework import constant_op
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\framework\constant_op.py", line 29, in <module>
    from tensorflow.python.eager import execute
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\eager\execute.py", line 27, in <module>
    from tensorflow.python.framework import dtypes
  File "C:\Users\asus\.conda\envs\tensorflow2\lib\site-packages\tensorflow\python\framework\dtypes.py", line 33, in <module>
    _np_bfloat16 = _pywrap_bfloat16.TF_bfloat16_type()
TypeError: Unable to convert function return value to a Python type! The signature was
        () -> handle
>>>

输入exit()退出python环境，回到虚拟环境

pip install numpy==1.21.6 -i https://pypi.tuna.tsinghua.edu.cn/simple/

在这里插入图片描述
进入python环境，输入

import tensorflow as tf

tf.__version__

tf.test.is_gpu_available()

在这里插入图片描述
查看版本2.7.0，版本正确。末尾显示True，TensorFlow检测到可用的GPU，安装成功，exit()退出python环境

后续我想用ipython查看是否安装成功，出现以下问题
进入ipython环境，输入

import tensorflow as tf

tf.__version__

tf.test.is_gpu_available()

在这里插入图片描述
创建虚拟环境的时候指定python版本为3.9，但是这里却显示3.11.7。
末尾显示False，TensorFlow没有检测到可用的GPU。
猜测可能是这个虚拟环境没有ipython，可能用了其他环境的ipython。
解决方案，可以在虚拟环境中用pip list查看虚拟环境中是否有ipython，要是没有，需要安装一个，然后就可以解决了

席惜兮兮
关注
  • 23
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习TensorFlow安装之CPU版本
tangqxj的专栏
02-15 1万+
TensorFlow1.5发布的时候，出于好奇下载安装跑了一下演示的几个代码。最近，重新拿起书本学习深度学习，发现TensorFlow已经更新发布到了2.6版本了。由于这期间电换了电脑，为了学TensorFlow只有再次安装了！ 两台电脑，一台笔记本电脑，没有独立显卡；另一台台式机，安装了NVIDIV的T1000入门显卡。所以我安装了两个版本的TensorFlow，cup版本的还算顺利，GPU版本的折腾了一个下午。 一、无显卡笔记本安装TensorFlow的cpu版本 笔记本配置：win10-64位专
tensorflow（CPU版本和GPU版本）的安装教程（详细）
03-08
网上tensorflow的教程鱼龙混杂，有的甚至会漏掉一些细节，导致无法安装成功。但是该文件做了一个系统的、正规的归纳，更具有普适性。如果仍安装不成功，参照文档仔细核查，还是不行的话可以私信我，看到了就回复。...
Jammy@Jetson Orin Nano - Tensorflow GPU版本安装
lida2003的专栏
04-29 1554
小白入手，通常都是卡在这种没有技术含量的事情上，而这些会导致真正核心技术的发展。希望通过这些简单的总结，帮助到各位希望学习技术的朋友，在后面的技术道路上走的更顺畅，减少这些由于不熟悉导致的浪费时间。把重点放在技术的学习、突破和创新上。
tensorflow-gpu版本安装教程（过程详细）
热门推荐
qq_43215538的博客
03-30 12万+
在开始安装前，如果你的电脑装过tensorflow，请先把他们卸载干净，包括依赖的包（tensorflow-estimator、tensorboard、tensorflow、keras-applications、keras-preprocessing），不然后续安装了tensorflow-gpu可能会出现找不到cuda的问题。 cuda、cudnn。...
配置Tensorflow使用GPU加速（Tensorflow2.6.0，Python3.6-3.9，CUDA11.2，cuDNN8.1）
最新发布
m0_68167270的博客
06-04 1921
对于刚使用Tensorflow的朋友来说，配置环境并使用GPU进行加速也是件令人头疼的事情，纯自己折腾会遇到比较多的坑，我对我安装Tensorflow的过程进行总结，我所安装的Tensorflow版本是2.6.0，与之对应的Python为3.6-3.9，CUDA为11.2，cuDNN为8.1。
tensorflow CPU版本和GPU版本完整搭建过程
03-16
TensorFlow 是世界上最受欢迎的开源机器学习框架，它具有快速、灵活并适合产品级大规模应用等特点，让每个开发者和研究者都能方便地使用人工智能来解决多样化的挑战。文档为CPU版本和GPU版本搭建过程
yolov5篇-快速开始使用yolov5
qq_50550800的博客
10-20 762
yolov5篇-快速开始使用yolov5
tensorflow的gpu版本与cpu版本
QinZheng7575的博客
07-29 3041
吐槽！ tensorflow的cpu和gpu是两个不同版本，需要在两个环境 草，咋这么麻烦，不如pytorch用gpu多方便 还有安装版本一大堆还要考虑适配真的恶心 为啥一大堆这种历史遗留版本啊驱动啊问题，啥时候能让开发者傻瓜安装 解决 听完了吐槽，现在说一下我的安装过程 CPU版 annaconda创建一个新的环境，其中python是3.5.6 然后conda install tensorflow 完了之后，再vscode新建一个文件夹，我是直接把以前pytorch的.vscode文件夹复制过来了，就省的
tensorflow的GPU加速计算
weixin_36670529的博客
12-06 1万+
一、概述 tensorflow程序可以通过tf.device函数来指定运行每一个操作的设备，这个设备可以是本地的CPU或者GPU，也可以是某一台远程的服务器。tensorflow会给每一个可用的设备一个名称，tf.device函数可以通过设备的名称来指定执行运算的设备，比如CPU在tensorflow中的名称为/cpu:0。在默认情况下，即使机器有多CPU，tensorflow也不会区分它们，所...
Linux下python3.5 tensorflow的CPU版本和GPU版本
12-19
资源包含Linux下python3.5 tensorflow的CPU版本tensorflow-1.2.1-cp35-cp35m-linux_x86_64.whl 和 GPU 版本tensorflow_gpu-1.0.0-cp35-cp35m-manylinux1_x86_64.whl
查看TensorFlow的版本以及安装路径
04-16
在Python环境中，检查TensorFlow的版本和安装路径是了解系统中TensorFlow配置的基本步骤。这有助于确保你正在使用的TensorFlow版本与你的硬件兼容，并且已经正确安装。以下是几种查看TensorFlow版本和安装路径的方法...
win10系统Anaconda和Pycharm的Tensorflow2.0之CPU和GPU版本安装教程
09-18
在本文中，我们将深入探讨如何在Windows 10操作系统中，使用Anaconda和PyCharm安装TensorFlow 2.0的CPU和GPU版本。TensorFlow是一个强大的开源库，用于数值计算和机器学习，其特点包括方便构建神经网络、自动求导...
搭建TensorFlow（CPU版本）环境
12-21
请注意，TensorFlow 2.1版本对GPU支持进行了统一处理，不再区分CPU和GPU版本。如果你需要特定版本，只需更改`==2.1.0`后的数字即可。 安装完成后，验证TensorFlow是否成功安装，进入Python交互式环境： ```bash ...
Tensorflow-gpu安装教程（详细）！！！
m0_68233404的博客
01-04 6万+
在安装过程中呢，最重要的莫过于tensorflow，python及其依赖项的版本对应了，如果安装了版本不对应的cuda或者cudnn，可能会导致一系列的问题而最终不能正常地调用设备的GPU进行工作了。所以我们在安装的时候必须时刻注意它们之间的版本对应关系，如果说在安装过程中出现了与之前安装的tensorflow版本间的冲突，最简单也是最有效办法就是，在安装之前把之前安装的版本及其依赖项卸载干净，然后再进行安装。
Win10下Tensorflow+GPU的环境配置
huanxiajioabu的博客
06-02 569
注：如果想要对安装包进行更新，可以切换盘符到Anaconda安装目录输入conda list 就可以查询现在安装了哪些库，初次安装的包一般比较老，为了避免之后使用报错，可以输入 conda update --all 命令，把所有包进行更新，在提示是否更新的时候输入 y（Yes）让更新继续，等待完成即可。本文主要记录了Win10下，Cuda9.0、Cudnn7.3.1、Tensorflow-gpu1.13.1、python3.6.8、Keras的安装过程。分别在网站上下载对应的版本，安装即可。
tensorflow如何使用gpu
To_be_little的博客
04-26 3万+
tensorflow查看GPU的数量、使用GPU加速，单GPU模拟多GPU环境等
全网最详细的深度学习tensorflow-gpu环境配置
惜洛-Jankin的博客
04-03 1万+
学习深度学习第一步就是环境的配置，相信很多小伙伴已经被什么anaconda，tensorflow，Pytorch，cuda这些东西搞得晕头转向，今天带大家详细配置深度学习的环境，这一篇准要教书tensorflow框架的配置。 1.概述 配置深度学习环境首先需要了解一下安装的这些东西是什么，就不会晕头转向了。 ①python：这个不用多说，python是跑深度学习的主流语言，因此首先需要安装python了，详细的安装可以看下面这一篇文章Windows环境安装Python编译环境与开发工具（pycha.
武大超算平台安装tensorflow-gpu及其环境
weixin_44309437的博客
11-17 719
武大超算平台安装使用GPU环境下的tensorflow
基于Miniconda3安装jupyter notebook+虚拟环境安装tensorflow(cpu&gpu版本)
weixin_69924741的博客
06-03 3515
本文在安装过程中参考了很多c站的其他教程，本文把安装过程中遇到的问题和安装过程一一记录，希望能有所贡献。本文是基于miniconda已经安装完成且环境变量也设置好的前提。
怎么看tensorflow是cpu版本还是gpu版本
07-09
要确定您的TensorFlow是CPU版本还是GPU版本，可以执行以下步骤： 1. 首先，确保您已经安装了TensorFlow。您可以在命令行中运行以下命令来检查TensorFlow是否已经安装： ``` pip show tensorflow ``` 如果TensorFlow已安装，您将看到有关TensorFlow的信息。 2. 如果TensorFlow已经安装，您可以在Python脚本中使用以下代码来检查是否使用了GPU： ```python import tensorflow as tf # 检查是否有可用的GPU if tf.test.is_gpu_available(): print('GPU版本') else: print('CPU版本') ``` 这段代码将检查系统上是否有可用的GPU。如果有可用的GPU，则显示"GPU版本"，否则显示"CPU版本"。 请注意，要使用GPU版本的TensorFlow，您需要在安装时选择了GPU支持，并且您的系统上安装了适当的GPU驱动程序和CUDA库。

“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
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