服务器上配置 Tensorflow GPU 版

已于 2024-04-01 11:02:50 修改
阅读量1.1w 收藏 34
点赞数 5
分类专栏： Server Config 文章标签： cuda 服务器 tensorflow gpu cudnn
于 2017-11-17 12:46:29 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/bryant_meng/article/details/78559907
版权

请添加图片描述

文章目录

第一次写博客，新手一枚，CSDN之路，多多指教。如果想在windows上装tensorflow gpu版，请参考【Windows】TensorFlow GPU Configuration（或者见附录）

最近一次修订时间为：2020-11-3

1 主要参考

2 配置介绍

  • Ubuntu 16.04.3（系统版本）
  • TITAN Xp / GTX1080Ti（GPU型号）

3 安装流程

  • 显卡驱动
  • Cuda8.0
  • Cudnn6.0
  • Anaconda3（可选）
  • Tensorflow-GPU 1.4

配置Cuda9.0 Cudnn7.0 Tensorflow-gpu 1.8 也同样适用 ，eg

  • cuda_9.1.85_387.26_linux.run
  • cudnn-9.0-linux-x64-v7.1.tgz
  • Anaconda3-5.0.0.1-Linux-x86_64.sh

更多配对版本参考：https://www.tensorflow.org/install/source#gpu

4 详细流程

Note：因为我服务器本身就是root 账户，所以不需要sudo 指令。

4.1 显卡驱动的安装

  Ubuntu系统集成的显卡驱动程序是nouveau，它是第三方为NVIDIA开发的开源驱动，我们需要先将其屏蔽才能安装NVIDIA官方驱动。
  将驱动添加到黑名单blacklist.conf中，但是由于该文件的属性不允许修改。所以需要先修改文件属性。

查看属性

ls -lh /etc/modprobe.d/blacklist.conf

修改属性

chmod 666 /etc/modprobe.d/blacklist.conf

用vim编辑器打开

vim /etc/modprobe.d/blacklist.conf

在该文件后添加一下几行：

blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb

驱动下载地址：http://www.nvidia.cn/Download/Find.aspx?lang=cn

这里写图片描述

安装驱动程序

sh NVIDIA-Linux-x86_64-xxx.run

可以通过以下命令确认驱动是否正确安装

cat /proc/driver/nvidia/version

4.2 CUDA的安装

简介：

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员可以使用C语言来为CUDA™架构编写程序，所编写出的程序可以在支持CUDA™的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN——来自百度百科

cuda，翻译层，写并行计算的软件工程师可以用自己熟悉的编程语言写出来代码，然后翻译成GPU能理解的指令

CUDA8.0版本
直接安装CUDA toolkit，官网如下
https://developer.nvidia.com/cuda-80-ga2-download-archive

或者链接：https://pan.baidu.com/s/19BjPkSU2FJObF9avp6Z-ug 密码：70w9

cuda_8.0.61_375.26_linux.run（文件名）

sh cuda_8.0.61_375.26_linux.run

按照提示一步一步来，不用安驱动，q 可以跳过协议的文字描述！
这里写图片描述

安装结束后添加环境变量（我习惯用vim）

vim /etc/profile

shift+g 调到文件末尾，在最后面添加

export PATH=/usr/local/cuda-8.0/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

保存退出，通过 source 使其生效

source /etc/profile

查看下 cuda 的版本

  • 法一
nvcc -V
  • 法二
nvcc --version

如果显示如下，则CUDA安装完成

这里写图片描述

  • 法三
cat /usr/local/cuda/version.txt

4.3 CUDNN的安装

要下载合适的版本

https://developer.nvidia.com/rdp/cudnn-download （官网）
cudnn-8.0-linux-x64-v5.1.tgz（不兼容）

解决方案：
cudnn-8.0-linux-x64-v6.0.tgz（兼容）
http://download.csdn.net/download/guotong1988/9918527

或者在百度云盘下载，链接：http://pan.baidu.com/s/1dFs8o4D 密码：a0da

tar -xvzf cudnn-8.0-linux-x64-v6.0.tgz

解压后是cuda文件夹

cd cuda
cp include/cudnn.h /usr/local/cuda/include
cp lib64/libcudnn.* /usr/local/cuda/lib64

CUDNN安装完成，查看下版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

以下这个图是我升级后的版本，此版本是 7.1.3

在这里插入图片描述

4.4 Anaconda3安装（可选）

https://www.continuum.io/downloads（官网，比较慢）

例如这个版本
Anaconda3-5.0.0.1-Linux-x86_64.sh

sh Anaconda3-5.0.0.1-Linux-x86_64.sh

进行安装，安装目录为

/home/userName/anaconda3

最后出现是否添加环境变量选择yes，如果选择了no，可以之后手动添加，方法如下

vim ~/.bashrc

在最后添加

export PATH=$PATH:/home/userName/anaconda3/bin:$PATH

source ~/.bashrc

使其生效（ps.自动添加也需要source这一步）

之后

pip -V

查看下pip的安装路径，

显示在

 /XXXX/anaconda3/lib/python3.6/site-packages

如果 anaconda3 被移动了位置，需要修改如下配置（参考anaconda 配置文件被移动到另一路径下，conda无法使用解决办法。）

1）vim编辑 ~/.bashrc，将conda/bin当前的路径更改到环境变量中
    执行命令：vim ~/.bashrc
 
2） 修改完成以后，执行命令：source ~/.bashrc
 
2）用vim编辑，修改 anaconda3 目录下以下文件的首行，改成现在的路径。
 
./bin/conda
 
./bin/activate
 
./bin/deactivate
 
./bin/pip
 
./etc/profile.d/conda.sh

conda 虚拟环境管理

补充 用conda创建python虚拟环境，常用指令

  • conda list 查看安装了哪些包
  • conda env list 查看当前存在哪些虚拟环境
  • conda create -n your_env_name python=X.X（2.7、3.6等) 命令创建 python 版本为X.X、名字为 your_env_name的虚拟环境
  • source activate your_env_name（虚拟环境名称），激活你的虚拟环境
  • conda deactivate，退出虚拟环境
  • conda remove -n your_env_name (虚拟环境名称) --all，删除虚拟环境
  • conda install -n your_env_name [package] 即可安装package 到 your_env_name 中
  • conda remove --n your_env_name (虚拟环境名称) package_name ，删除虚拟环境中的某个包
  • conda env export > environment.yml，激活环境后，通过 export 命令导出环境配置
  • conda env create -f environment.yml，重新安装一个相同的环境

环境所在的文件夹为 /home/username/anaconda3/envs/

参考：你不知道的Python环境管理技巧，超级好用！

用 conda create 虚拟环境的时候，可能遇到 CondaHTTPError 问题，解决办法可以参考 Anaconda使用conda连接网络出现错误(CondaHTTPError: HTTP 000 CONNECTION FAILED for url）

在 home 路径下打开 .condarc

vim .condarc

把里面的内容改写成

channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
show_channel_urls: true
ssl_verify: false

主要修改的地方是去掉 defaults，然后 https 改成 http

Conda 三方源，（参考 Anaconda的conda 的使用（指定镜像源、conda虚拟环境的创建））

在这里插入图片描述

可以配合 -f 使用，例如

conda create -n xxx -f abs.yml

abs.yml 中写着

channels:
  - menpo
  - pytorch
  - defaults
dependencies:
  - python=3.6.8=h0371630_0
  - pytorch=1.0.1=py3.6_cuda10.0.130_cudnn7.4.2_2
  - torchvision=0.2.2=py_3
  - pip:
    - pyyaml==3.13

如果 create 失败，可以自己手动在 .condarc 中添加三方源，注意 https 改成 http，然后把 yml 中相应的源去掉！

eg：在 .condarc 中添加 pytorch 三方源之后，把 yml 中的 channels： 下面 - pytorch 删除掉

4.5 安装 tensoflow-gpu

用pip install tensorflow_gpu 安装就没有问题了
下面的指令是安装最新版本的

pip install tensorflow-gpu

这个安装往往特别慢，接着看

4.5.1 安装指定版本

如果不想安装最新版本，可以后面加上==XXX 安装指定版本

pip install tensorflow-gpu==1.4

4.5.2 加速（换源、timeout）

如果中途失败，或者下载速度不够块，换源，不会的小伙伴可以参考这篇文章

http://blog.csdn.net/qq_32897957/article/details/53023738

或者加个timeout，后面是时间，能保证不会因为长时间没有网速而断开下载

pip install tensorflow-gpu --timeout 1000

4.5.3 超级VIP加速

超级加速（★★★★★推荐）
让PIP源使用国内镜像，提升下载速度和安装成功率。对于Python开发用户来讲，PIP安装软件包是家常便饭。但国外的源下载速度实在太慢，浪费时间。而且经常出现下载后安装出错问题。所以把PIP安装源替换成国内镜像，可以大幅提升下载速度，还可以提高安装成功率。

国内源：
新版ubuntu要求使用https源，要注意。

  • 清华：https://pypi.tuna.tsinghua.edu.cn/simple
  • 阿里云：https://mirrors.aliyun.com/pypi/simple/
  • 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
  • 豆瓣：http://pypi.douban.com/simple/

临时使用：
可以在使用pip的时候加参数-i https://pypi.tuna.tsinghua.edu.cn/simple

例如：pip install pyspider -i https://pypi.tuna.tsinghua.edu.cn/simple，这样就会从清华这边的镜像去安装pyspider库。

参考：Python- 解决PIP下载安装速度慢

也可以借助代理

pip install --proxy="https://xxx’ -i xxx

4.5.4 pip 查看已经安装包的命令以及版本

pip freeze

软件的版本特别重要，这个指令能帮你很大的忙！

4.6 测试

python
import tensorflow

如果之前安装的cudnn文件是cudnn-8.0-linux-x64-v5.1.tgz，则会出现以下问题：

这里写图片描述
核心部分是
这里写图片描述
解决方法就是安装这个版本的cudnn，cudnn-8.0-linux-x64-v6.0.tgz

测试样例

$ python
...
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>

结果如下代表配置成功，大功告成

这里写图片描述

如果报错

ImportError: libnvidia-fatbinaryloader.so.384.111: cannot open shared object file: No such file or d……

解决方案

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}:/usr/lib/nvidia-384/

记得保存下环境，见前面的anaconda保存环境的方法

参考ImportError: libnvidia-fatbinaryloader.so.384.111: cannot open shared object file: No such file or d

如果机器中有多块 GPU，tensorflow会默认吃掉所有能用的显存， 如果实验室多人公用一台服务器，希望指定使用特定某块GPU。 可以在文件开头加入如下代码

import os  
  
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID"   
os.environ["CUDA_VISIBLE_DEVICES"]="0,1"

0 是 0 号 GPU，1 是 1 号 GPU

4.7 查看 tensorflow 的版本

  • 法一：打开 python
import tensorflow as tf 
tf.__version__
  • 法二：如果 tensorflow 是通过 pip 安装，也可以用如下方式查看版本
pip freeze | grep tensorflow

看 keras 的版本也一样

  • 法一
import keras as k
k.__version__
  • 法二，注意 K 要大写
pip freeze | grep Keras

5 错误总结

错误1：

有一次，我在另一个设备上装好后（GTX 1080ti），import tensorflow 总是失败，错误提示如下：

ModuleNotFoundError: No module named 'tensorflow'

找了很多原因，发现/anaconda3/lib/python3.6/site-packages目录下，并没有
tensorflow，是pip的安装位置出错了。pip -V可以查看pip安装内容所在的位置。要修改的话，可以用如下指令

vim /etc/sudoers

在11行Defaults设置，secure_path中，加入anconda的绝对路径，例如：

/home/your_username/anaconda3/bin:/

最后pip -V 确认下安装的路径

pip 9.0.1 from /home/your_uername/anaconda3/lib/python3.6/site-packages (python 3.6)

如果是在/anaconda3/lib/python3.6/site-packages下，再按照第5）步，安装tensorflow。

错误2：

成功解决：FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is

FutureWarning: Conversion of the second argument of issubdtype from float to np.floating is deprecated. In future, it will be treated as np.float64 == np.dtype(float).type.
  from ._conv import register_converters as _register_converters

解决思路

包内出错，是h5py包

解决办法

对h5py进行更新升级
pip install h5py==2.8.0rc1


没有错误，大功告成！

错误3：

【原创】如何解决python进程被kill掉后GPU显存不释放的问题

ps aux|grep user_name|grep python

然后 kill -s -9

6 附录（window 下配置 Tensorflow-GPU）

转载 Windows10下安装Tensorflow-GPU

  • Windows10系统主机（64位）
  • GTX1060显卡
  • 可以上网

Python 3.6.6（Anaconda3以上版本） + CUDA 9.0 + cuDNN 7.0 + visual studio 2015（其它版本也行）

百度云链接：https://pan.baidu.com/s/1xsjmn8kO3cTrHg-ywnh9Aw

1）Python3.6.6 或者 Anaconda 3

推荐用Anaconda ，因为很多库都已经装好，不用手动安装

  • Python 下载地址：https://www.python.org/downloads/
  • Anaconda 镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

在安装python只要勾选 Add to Path 这个选项，其他默认即可，安装地址可以更改。下图是截取别人的图，实际版本不是这个。

进入cmd，输入python，看到下图就是安装成功了。

如果选择用Anaconda3（推荐）——Anaconda的安装与测试实例，则需要把Anaconda 的环境加入系统中

  • Anaconda 的路径
  • Anaconda 下 Scripts 的路径

具体添加细节可以参考这篇博客
anaconda安装及环境变量配置

打开Anaconda Prompt，输入 python 测试
这里写图片描述

2） Cuda 9.0
下载地址：https://developer.nvidia.com/cuda-90-download-archive

按照常规软件安装即可，可能会短暂的黑屏
安装完毕后，在安装目录下，比如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0可以看到如下内容。

打开命令行，输入nvcc -v.看到如下则表示安装成功。

再去环境变量中看下

要有这两个变量，没有自己添加。地址如图所示。

3）cuDNN
下载地址：https://developer.nvidia.com/rdp/cudnn-archive

选择Windows10版本，下载这个需要注册以及回答一些问卷，随便填都没事。下载后是一个压缩包，安装完CUDA后需要用到这个解压后的文件。

我们把下载好的文件解压，如图所示。

将这些文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0目录中。如下图所示。

4）visual studio 2015（其它版本也行，比如2013）
下载地址：https://blog.csdn.net/guxiaonuan/article/details/73775519?locationNum=2&fps=1 我选择的是社区版本，其他版本应该也没问题。安装这个比较费时间，文件比较大。

在安装visual studio 2015过程需要一步注意，需要勾选下图的选项。此外，这个安装后才能安装CUDA。

VS2013 下载地址
链接：https://pan.baidu.com/s/1F1ej7lJlpGp3g5go2YtW7Q 密码：078f

把我们下载后的软件双击，

点击下图最后一个文件安装

接下来就是等待安装过程了。注意上面提到的安装过程即可。安装路径可以修改。

5） Tensorflow-GPU
在命令行下安装tensorflow-gpu，pip3 install tensorflow-gpu

在这里，我遇到一个问题，解决方法是下载numpy这个库，在重新安装。pip unstall numpy。然后在pip install numpy。接着在继续输入pip3 install tensorflow-gpu。如果有问题可以百度下解决方案。

如果安装的anaconda的话，打开 Anaconda Prompt
pip install tensorflow-gpu，pip3 install tensorflow-gpu==XXX可以下对应版本的 TensorFlow，比如 1.8，pip下载东西加速的方法可以参考这篇博客 服务器上配置 Tensorflow GPU 版。

如果 用 Anaconda 安装的话，就不会存在这种问题了

安装完成后打开 python 用以下指令看下tensorflow版本。

 import tensorflow as tf
 tf.__version__

6）测试
接着我们来测试下是不是在GPU下运行。

import tensorflow as tf
 
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
 
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
 
print (sess.run(c))

可以看到GPU的信息。

在GPU上运行。

7）心得体会

1 安装过程很繁琐，需要耐心

2 有些问题可以参考别人的答疑

3 GTX1060的驱动最好事先安装好，我这是先来的主机，所以是自己装的。

4 参考https://www.leiphone.com/news/201711/GCh0IBszXrxP1iHU.html

5 多试错多犯错

8）赠品

  • pycharm

Pycharm及python安装详细教程

  • keras 的安装（2.1.6是对应的版本）
pip install keras==2.1.6 -i https://pypi.tuna.tsinghua.edu.cn/simple
  • opencv 的安装
conda install opencv

9）错误总结
用 anaconda 安装完 tensorflow 后 pip 出故障

TypeError: parse() got an unexpected keyword argument 'transport_encoding'

解决方法 TypeError: parse() got an unexpected keyword argument ‘transport_encoding’ 安装tensor后报错

conda install pip==9.0.1
bryant_meng
关注
  • 5
    点赞
  • 踩
  • 34
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
Ubuntu中配置TensorFlow使用环境的方法
12-20
一、TensorFlow简介 TensorFlow:trade_mark:是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。 Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。 TensorFlow由谷歌人工智能团队谷歌大脑（Google Brain）开发和维护，拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow
安装gpu版tensorflow
linux服务器安装gpu版tensorflow
03-25 5232
linux服务器安装gpu版tensorflow 本人尝试在linux服务器安装gpu版tensorflow，在此记录一下我的安装过程。 1. 确定服务器的gpu型号 1、安装gpu版tensorflow需要先安装cuda，而cuda是nvidia显卡厂商推出的运算平台。所以只有配置了nvidia的显卡的服务器才能安装gpu版tensorflow。否则只能装cpu版本的。 在服务器输入： lspc...
（1-2）TensorFlow深度学习基础：TensorFlow介绍+搭建TensorFlow开发环境
最新发布
码农三叔
05-31 819
TensorFlow 是一个端到端开源机器学习平台，由谷歌人工智能团队谷歌大脑（Google Brain）负责开发和维护，拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口（Application Programming Interface, API）。自2015年11月9日起，TensorFlow依据Apache 2.0协议开放源代码。
服务器配置深度学习开发环境——安装Anaconda及TensorFlow
qq_43529121的博客
07-15 1050
服务器配置深度学习开发环境——安装Anaconda及TensorFlow
配置服务器pytorch/TensorFlow环境+远程连接vscode
hcmdcyl的博客
09-17 4046
远程连接学校的服务器并配置TensorFlow/pytorch环境，连接vscode解放双手，在家也能卷:)
在Linux服务器基于anaconda安装tensorflow-gpu，超简单详细，亲测有效！
qq_41970098的博客
08-19 4672
在Linux服务器中使用anaconda安装tensorflow-gpu，超级简单详细，亲测有效。
Tensorflow-gpu安装教程（详细）！！！
热门推荐
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。
在Linux远程服务器上，通过终端部署Anaconda和TensorFlow 1.13 GPU版本
01-16
在Linux远程服务器上部署Anaconda和TensorFlow 1.13 GPU版本是深度学习和人工智能项目中的常见步骤。Anaconda是一个流行的开源平台，用于管理Python环境和数据科学库，而TensorFlow则是Google开发的一个强大的开源库...
在Linux远程服务器上设置PyTorch的GPU版本
01-16
在Linux系统中，特别是配备了高性能GPU如NVIDIA 2080ti的服务器上，正确安装GPU版PyTorch可以让计算效率大幅提升。 首先，确认服务器上已安装了Anaconda。Anaconda是一个流行的Python数据科学平台，它提供了一个...
浅谈多卡服务器下隐藏部分 GPU 和 TensorFlow 的显存使用设置
09-16
首先，当服务器上有多张GPU时，为了确保不同的用户或任务能够公平地使用资源，我们需要对GPU进行合理的分配。一种方法是通过设置环境变量`CUDA_VISIBLE_DEVICES`来控制程序能够访问的GPU。例如，如果要让Python脚本...
测试 TensorFlow-GPU的代码.zip
11-21
在生产环境中，部署经过预训练的模型到GPU服务器上，可以实现高效的实时预测服务。 总的来说，TensorFlow-GPU是深度学习中不可或缺的工具，它极大地提高了计算效率，使得我们能够快速地实验和优化模型。正确配置和...
Tensorflow全局设置可见GPU编号操作
09-16
本文将详细讲解如何进行全局设置，确保TensorFlow只在指定的GPU上运行，并且介绍如何进行GPU的逻辑分区。 首先，当我们有多个GPU并且只需要使用其中的一个时，通常会用到`CUDA_VISIBLE_DEVICES`环境变量。但在某些...
安装tensorflow-gpu
weixin_45226065的博客
07-06 2202
报错信息：protobuf requires Python '>=3.7' but the running Python is 3.6.2。更新命令：python -m pip install --upgrade pip。但是报错，需要更高版本的python，于是需要在虚拟环境中升级python。python常见错误：Cannot uninstall ‘six‘.对应的最低tensorflow-gpu是1.2.0版本的。python是3.6.2版本的。选择一个合适的2.0.0版本的。
Linux 服务器配置tensorflow_1.14_gpu环境
weixin_49380422的博客
12-03 343
由于我的CUDA版本是11.4 Update1，因此进入根据下面的网址进入11.4的官网下载对应的版本 【https://developer.nvidia.com/cuda-11-4-1-download-archive?进入CUDA的官网查看对应的CUDA https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#cusolver-library。然后出现了以下的报错，原博文作者用的是python3.5，到我这里又不行了…
pip与conda快速安装tensorflow-gpu2.5.0、torch1.8.0（windows版）
鲨鱼儿的博客
05-08 4677
pip使用清华源(tsinghua)秒速安装TensorFlow 2.1.0 GPU版
使用 pip 和 conda 安装 tensorflow-gpu 1.15
xzq_13972146251的博客
07-15 9306
本文介绍了用conda和pip安装tensorflow1.x版本和tensorflow2.x版本，并且阐述了安装tensorflow1.x版本和tensorflow2.x版本所存在的区别。提出了一种成功率高适合更多系统环境的方法。
简单快速安装pytorch-gpu和tensorflow-gpu
ouyang的博客
04-08 2729
文章目录快速安装pytorch-gpu和tensorflow-gpu一、tensorflow-gpu安装
在服务器上安装tensorflow-gpu版本及其使用
ws995339251的博客
01-03 1万+
在服务器上安装tensorflow-gpu版本及其使用 本文档是在服务器上，不要su权限，全部命令行下载安装配置教程 ###### 系统 Centos7 所需文件 - cuda9.0（一定是要9.0版本，9.2，10.0都是坑，亲测无效！） - cudnn（一定要与cuda版本匹配，NVIDIA官网具体下载时要注意） - Anaconda （本人下载的是5.4版本，其他版本只......
conda虚拟环境 + 多cuda + pytorch_gpu + tensorflow_gpu配置
m0_52248385的博客
05-30 2990
注意：lib是win64下的内容。
GPU加载tensor数据
04-16
很高兴为您解答！关于GPU加载tensor数据的问题，您可以通过以下代码进行实现： ```python import torch # 定义一个tensor数据 tensor_data = torch.tensor([1, 2, 3, 4, 5, 6]) # 将tensor数据加载到GPU上 tensor_data = tensor_data.to("cuda") ``` 以上代码中，我们首先定义了一个tensor数据，并且将其加载到了GPU上。 希望以上回答对您有所帮助，如有其他问题欢迎再次提问！

“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 4
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