对于Tensorflow-gpu环境配置遇到的问题与讨论

最新推荐文章于 2024-09-13 15:34:12 发布

海滩上的椰子丶

最新推荐文章于 2024-09-13 15:34:12 发布

阅读量432

点赞数 4

分类专栏：环境配置文章标签： pycharm

本文链接：https://blog.csdn.net/Novemberxhj/article/details/136951592

版权

1 篇文章 0 订阅

订阅专栏

文章讲述了作者在配置Tensorflow-GPU环境时，遇到因版本不兼容导致的报错，通过调整CUDA和CUDNN版本至v11.2和v8.1.0，解决了问题。同时讨论了如何选择合适的版本以避免类似问题，以及Python版本对环境的影响。

摘要由CSDN通过智能技术生成

环境变量配置

先上我之前的配置

CUDA版本：v12.4

CUDNN版本：v8.9.7

然后利用这个版本去安装Tensorflow-gpu版本为：v2.12.0，但是遇到了问题。

经过查询相关内容，给出的解释是Tf-gpu的2.12.0的版本没有对应的CUDA版本，但是找的的解释已经是去年发布的了。

然后我也不知道咋办，最新的CUDA和CUDNN照理来说Tf-gpu的2.12.0也适用。

然后我尝试去装低版本，也就是Tf-gpu的v2.10.0，报错了。

具体报错信息没有放截图，大概描述是因为没有找到CUDA的v2.11.0的相关信息。

于是我装了新的配置

CUDA版本：v11.2

CUDNN版本：v8.1.0

Tensorflow-GPU：v2.10.0

然后就成功了。下面是测试的内容。

测试代码：

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_built_with_cuda())

测试结果：

输出的内容是什么意思呢，我来给出一下解释：

device_type：设备类型。

GPU:0 ：GPU的序号。（GPU的序号都是从0开始的，数组下标形式，如果有4块GPU那就是0-3这样的序号）。

True：表示构建是用CUDA进行的。

那问题来了，下面这个配置应该怎样才配Tensorflow-GPU的版本，是不支持还是我有什么安装步骤或者缺少了什么依赖。大家可以在评论区讨论一下Tf-gpu的环境配置以及各种遇到的问题，

CUDA版本：v12.4

CUDNN版本：v8.9.7

下面的那个配置遇到了一个 “python>=3.7”我记得是一个关于python版本的问题，但是根据官方文档来说，我配的python版本算高出0.1个版本都没啥问题，所以很奇怪，如果有遇到相同问题的朋友把报错内容可以发评论区，然后一起讨论讨论。

CUDA版本：v12.4

CUDNN版本：v8.9.7

关注

专栏目录