1.tensorflow-gpu-windows安装注意

最新推荐文章于 2022-08-28 18:10:14 发布
最新推荐文章于 2022-08-28 18:10:14 发布
阅读量808 收藏 1
点赞数
分类专栏： tensorflow
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/dancaicai/article/details/81636053
版权

1.安装gpu之前一定要卸载到cpu版本的，否则默认是不会使用gpu版的；

第0步：卸载protobuf

pip uninstall protobuf

第1步：卸载tensorflow

pip uninstall tensorflow pip uninstall tensorflow-gpu

第2步：强制重新安装支持GPU的Tensorflow

pip install --upgrade --force-reinstall tensorflow-gpu

 

2.tensorflow的版本一定要cuda和cudnn对应

tensorflow-gpu==1.3.0

cuda=8.0

cudnn=6.0

 

3.先安装cuda和cudnn，配置相应的环境变量，再安装tensorflow-gpu

cuda 还需要在环境变量里的path全局变量里加入，这个下面的bin和lib\x64目录的路径。

cudnn 下载下来后将压缩包里各文件夹里的文件放到对应目录下就好

 

 

4.安装tensorflow-gpu

pip install --upgrade --force-reinstall D:\data\tensorflow_gpu-1.3.0-cp35-cp35m-win_amd64.whl

 

5.安装完毕之后，请把cmd小窗关闭之后，再打开看看，import tensorflow，不报错即可

6.其他问题：

Cannot uninstall 'html5lib'. It is a distutils installed project and thus we cannot accurately....

Cannot uninstall 'html5lib'. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.

问题解决：请找到python下面的路径

然后再找到这个东东把它删除就可以了

 

 

类似的，以后这种问题的解决方式都可以这样入手。

 

 

 

 

CPU和GPU对比来看速度提升了3-4倍左右

Inv3和vgg16比起来速度快了1倍，但是准确率低了10%，也不排除因为vgg16多加了一层卷积的原因

 

CPU版运行速度——inception_v3：

Found 2110 images belonging to 4 classes.

Found 120 images belonging to 4 classes.

Epoch 1/50

 

 1/30 [>.............................] - ETA: 2:04 - loss: 1.1210 - acc: 1.0000

 2/30 [=>............................] - ETA: 1:26 - loss: 1.7921 - acc: 0.5000

 3/30 [==>...........................] - ETA: 1:12 - loss: 1.5732 - acc: 0.3333

 4/30 [===>..........................] - ETA: 1:04 - loss: 1.7981 - acc: 0.2500

 5/30 [====>.........................] - ETA: 58s - loss: 1.9207 - acc: 0.2000

 6/30 [=====>........................] - ETA: 54s - loss: 1.9304 - acc: 0.1667

 7/30 [======>.......................] - ETA: 51s - loss: 1.8344 - acc: 0.1429

 8/30 [=======>......................] - ETA: 49s - loss: 1.7362 - acc: 0.2500

 9/30 [========>.....................] - ETA: 46s - loss: 1.6440 - acc: 0.3333

10/30 [=========>....................] - ETA: 43s - loss: 1.6094 - acc: 0.3000

11/30 [==========>...................] - ETA: 41s - loss: 1.6335 - acc: 0.2727

12/30 [===========>..................] - ETA: 38s - loss: 1.5960 - acc: 0.2500

13/30 [============>.................] - ETA: 36s - loss: 1.5524 - acc: 0.3077

14/30 [=============>................] - ETA: 33s - loss: 1.5241 - acc: 0.2857

15/30 [==============>...............] - ETA: 31s - loss: 1.4929 - acc: 0.2667

16/30 [===============>..............] - ETA: 29s - loss: 1.5141 - acc: 0.2500

17/30 [================>.............] - ETA: 27s - loss: 1.5264 - acc: 0.2353

18/30 [=================>............] - ETA: 24s - loss: 1.4985 - acc: 0.2778

19/30 [==================>...........] - ETA: 22s - loss: 1.4797 - acc: 0.2632

20/30 [===================>..........] - ETA: 20s - loss: 1.4550 - acc: 0.3000

21/30 [====================>.........] - ETA: 18s - loss: 1.4931 - acc: 0.2857

22/30 [=====================>........] - ETA: 16s - loss: 1.5223 - acc: 0.2727

23/30 [======================>.......] - ETA: 14s - loss: 1.5446 - acc: 0.2609

24/30 [=======================>......] - ETA: 12s - loss: 1.5493 - acc: 0.2500

25/30 [========================>.....] - ETA: 10s - loss: 1.5293 - acc: 0.2800

26/30 [=========================>....] - ETA: 8s - loss: 1.5088 - acc: 0.3077

27/30 [==========================>...] - ETA: 6s - loss: 1.5268 - acc: 0.2963

28/30 [===========================>..] - ETA: 4s - loss: 1.5075 - acc: 0.3214

29/30 [============================>.] - ETA: 2s - loss: 1.5217 - acc: 0.3103

2110/30 [==================================================================]

- 4037s 2s/step - loss: 1.3876 - acc: 0.2864 - val_loss: 1.3181 - val_acc: 0.3833

 

GPU版运行速度——inception_v3：

name: GeForce 920MX

major: 5 minor: 0 memoryClockRate (GHz) 0.993

pciBusID 0000:01:00.0

Total memory: 2.00GiB

Free memory: 1.66GiB

2018-06-27 14:38:27.880300: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\35\tensorflow\core\common_runtime\gpu\gpu_device.cc:976] DMA: 0

2018-06-27 14:38:27.880463: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\35\tensorflow\core\common_runtime\gpu\gpu_device.cc:986] 0: Y

2018-06-27 14:38:27.880646: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\35\tensorflow\core\common_runtime\gpu\gpu_device.cc:1045] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce 920MX, pci bus id: 0000:01:00.0)

Found 2110 images belonging to 4 classes.

Found 120 images belonging to 4 classes.

Epoch 1/50

 

1/30 [>.............................] - ETA: 4:07 - loss: 1.4332 - acc: 0.0000e+00

2/30 [=>............................] - ETA: 2:09 - loss: 1.7041 - acc: 0.0000e+00

3/30 [==>...........................] - ETA: 1:29 - loss: 1.5663 - acc: 0.0000e+00

4/30 [===>..........................] - ETA: 1:08 - loss: 1.6676 - acc: 0.0000e+00

5/30 [====>.........................] - ETA: 56s - loss: 1.5959 - acc: 0.0000e+00

6/30 [=====>........................] - ETA: 47s - loss: 1.5104 - acc: 0.1667

7/30 [======>.......................] - ETA: 41s - loss: 1.4269 - acc: 0.2857

8/30 [=======>......................] - ETA: 36s - loss: 1.5028 - acc: 0.2500

9/30 [========>.....................] - ETA: 32s - loss: 1.5329 - acc: 0.2222

10/30 [=========>....................] - ETA: 29s - loss: 1.5658 - acc: 0.2000

11/30 [==========>...................] - ETA: 26s - loss: 1.5766 - acc: 0.1818

12/30 [===========>..................] - ETA: 23s - loss: 1.5699 - acc: 0.1667

13/30 [============>.................] - ETA: 21s - loss: 1.5321 - acc: 0.2308

14/30 [=============>................] - ETA: 19s - loss: 1.5368 - acc: 0.2143

15/30 [==============>...............] - ETA: 17s - loss: 1.5492 - acc: 0.2000

16/30 [===============>..............] - ETA: 16s - loss: 1.5475 - acc: 0.1875

17/30 [================>.............] - ETA: 14s - loss: 1.5400 - acc: 0.1765

18/30 [=================>............] - ETA: 13s - loss: 1.5183 - acc: 0.2222

19/30 [==================>...........] - ETA: 11s - loss: 1.5200 - acc: 0.2105

20/30 [===================>..........] - ETA: 10s - loss: 1.5127 - acc: 0.2000

21/30 [====================>.........] - ETA: 9s - loss: 1.4956 - acc: 0.2381

22/30 [=====================>........] - ETA: 8s - loss: 1.5051 - acc: 0.2273

23/30 [======================>.......] - ETA: 7s - loss: 1.4882 - acc: 0.2609

24/30 [=======================>......] - ETA: 5s - loss: 1.4699 - acc: 0.2917

25/30 [========================>.....] - ETA: 4s - loss: 1.4511 - acc: 0.3200

26/30 [=========================>....] - ETA: 3s - loss: 1.4623 - acc: 0.3077

27/30 [==========================>...] - ETA: 2s - loss: 1.4683 - acc: 0.2963

28/30 [===========================>..] - ETA: 1s - loss: 1.4519 - acc: 0.3214

29/30 [============================>.] - ETA: 0s - loss: 1.4527 - acc: 0.3103

2110/30 [================================================================]

- 1443s 684ms/step - loss: 1.3879 - acc: 0.2864 - val_loss: 1.3937 - val_acc: 0.2500

 

 

 

GPU版运行速度——vgg16：

name: GeForce 920MX

major: 5 minor: 0 memoryClockRate (GHz) 0.993

pciBusID 0000:01:00.0

Total memory: 2.00GiB

Free memory: 1.66GiB

Found 2110 images belonging to 4 classes.

Found 120 images belonging to 4 classes.

Epoch 1/50

 

1/30 [>.............................] - ETA: 3:11 - loss: 1.0740 - acc: 0.0000e+00

2/30 [=>............................] - ETA: 1:45 - loss: 2.3876 - acc: 0.0000e+00

3/30 [==>...........................] - ETA: 1:16 - loss: 1.7835 - acc: 0.3333

4/30 [===>..........................] - ETA: 1:01 - loss: 2.0477 - acc: 0.2500

5/30 [====>.........................] - ETA: 51s - loss: 2.1607 - acc: 0.2000

6/30 [=====>........................] - ETA: 45s - loss: 2.1200 - acc: 0.1667

7/30 [======>.......................] - ETA: 40s - loss: 1.9350 - acc: 0.2857

8/30 [=======>......................] - ETA: 36s - loss: 1.9065 - acc: 0.2500

9/30 [========>.....................] - ETA: 33s - loss: 1.7886 - acc: 0.3333

10/30 [=========>....................] - ETA: 30s - loss: 1.7543 - acc: 0.3000

11/30 [==========>...................] - ETA: 27s - loss: 1.7086 - acc: 0.2727

12/30 [===========>..................] - ETA: 25s - loss: 1.6439 - acc: 0.3333

13/30 [============>.................] - ETA: 23s - loss: 1.6839 - acc: 0.3077

14/30 [=============>................] - ETA: 21s - loss: 1.6510 - acc: 0.2857

15/30 [==============>...............] - ETA: 19s - loss: 1.6018 - acc: 0.3333

16/30 [===============>..............] - ETA: 18s - loss: 1.5791 - acc: 0.3125

17/30 [================>.............] - ETA: 16s - loss: 1.6078 - acc: 0.2941

18/30 [=================>............] - ETA: 15s - loss: 1.5725 - acc: 0.3333

19/30 [==================>...........] - ETA: 13s - loss: 1.5855 - acc: 0.3158

20/30 [===================>..........] - ETA: 12s - loss: 1.5892 - acc: 0.3000

21/30 [====================>.........] - ETA: 10s - loss: 1.5755 - acc: 0.2857

22/30 [=====================>........] - ETA: 9s - loss: 1.5544 - acc: 0.2727

23/30 [======================>.......] - ETA: 8s - loss: 1.5273 - acc: 0.3043

24/30 [=======================>......] - ETA: 7s - loss: 1.5337 - acc: 0.2917

25/30 [========================>.....] - ETA: 5s - loss: 1.5565 - acc: 0.2800

26/30 [=========================>....] - ETA: 4s - loss: 1.5350 - acc: 0.3077

27/30 [==========================>...] - ETA: 3s - loss: 1.5138 - acc: 0.3333

28/30 [===========================>..] - ETA: 2s - loss: 1.4927 - acc: 0.3571

29/30 [============================>.] - ETA: 1s - loss: 1.4863 - acc: 0.3448

2110/30 [=======================================================]

- 2033s 964ms/step - loss: 1.3345 - acc: 0.3815 - val_loss: 1.3081 - val_acc: 0.4333

Epoch 2/50

 

dancaicai
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
Windows环境下安装TensorFlow（CPU和GPU版）
qq_28821995的博客
08-28 1万+
前言：TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,CPU/GPU资源对神经网络模型的训练很重要，应充分利用电脑的显卡资源，加快模型的训练速度。 下面是对安装过程的详细讲解： 1、安装好Python的开发环境（可参考我之前的文章https://blog.csdn.net/qq_28821995/article/details/81006704）我这里是在安...
Win10+TensorFlow-GPU详细安装教程
12-04
Win10 64位+TensorFlow-GPU+CUDA9.2+CUDNN7.4.1深度学习的GPU框架详细安装教程
Windows系统的TensorFlow GPU版本安装教程
dreamer_18的博客
07-24 832
安装说明 版本：GPU版本、CPU版本。如果硬件支持，推荐安装GPU版本。 安装方式：pip方式、Anaconda方式。本文教程采用Anaconda方式。 Tips: 1.查找需要安装的TensorFlow版本支持的python版本，目前在Windows上支持python3.6x。 2.如果安装GPU版本，需要安装对应版本的CUDA和CUDNN。 安装环境 1.Anaconda下载安...
Win下搭建tensorflow的GPU版本
12-15
Win10下搭建tensorflow的GPU版本 CUDA8.0+CUDNN5.1
win8安装tensorflow-gpu记录
无穷技术不收敛
07-10 152
番茄炒蛋 三个部分cuda、tensorflow、cudnn。 如果安装的的cpu版的tensorflow，在pycharm里包的名字就是tensorflow，有的人解决gpu版出问题的方法就是卸载gpu版然后装默认的cpu版， 也确实能跑程序。。。 下面是tensorflow和cudnn、cuda版本对应关系。参考地址：https://tensorflow.google.cn/install/s...
Windows10使用Anaconda安装Tensorflow-gpu的教程详解
10-15
在Windows 10中安装TensorFlow-GPU版时，首先需要注意的是下载速度问题。由于默认的Anaconda仓库位于国外，下载速度可能较慢。为解决这个问题，我们可以切换到国内的清华大学TUNA镜像源。在Anaconda Prompt中输入...
tensorflow-gpu下载、安装、测试
05-08
**Tensorflow-GPU的下载与安装** Tensorflow-GPU是Tensorflow的一个版本，它利用了NVIDIA GPU的计算能力来加速深度学习模型的训练和推理。对于处理大规模数据集和复杂的神经网络架构，使用GPU可以显著提高计算速度...
tensorflow-gpu版本的
11-02
1. **安装CUDA和CuDNN**：访问NVIDIA官方网站下载适合你GPU型号的CUDA Toolkit和对应版本的CuDNN，安装后需要添加环境变量以使TensorFlow能够找到它们。 2. **安装Python和pip**：确保你已经安装了Python 3.6，并...
tensorflow-gpu-2.10.1-cp39-cp39-win-amd64.whl
06-27
**TensorFlow GPU 2.10.1 for Python 3.9 on Windows x64** 在AI和机器学习领域，TensorFlow是一个广泛使用的开源库，它由Google Brain团队开发，用于构建和部署复杂的深度学习模型。`tensorflow_gpu-2.10.1-cp39-...
CUDA与cuDNN安装及tensorflow-gpu2.1下载
12-21
在本文中，我们将详细介绍如何在Windows 10系统上安装CUDA、cuDNN以及TensorFlow-GPU 2.1版本。CUDA是NVIDIA提供的用于GPU计算的开发平台，而cuDNN是CUDA的一个库，专门为深度学习算法加速设计。TensorFlow-GPU则是...
windows8 安装tensorflow-gpu版本
12-29
最新推出的windows版本的gpu版本安装方法，亲测有效，包括安装包下载地址、环境配置、必须操作和测试
卸载tensorflow-cpu重装tensorflow-gpu操作
12-17
问题描述：为了把之前的CPU版本的tensorflow卸载，换成GPU版本的tensorflow，经历了一番折腾。 BUG1 Could not install packages due to an EnvironmentError: [WinError 5] 拒绝访问 看指向的路径，感觉是在安装路径的site-packages中已经存在tensorflow文件夹了，但是执行 pip uninstall tensorflow 却提示没有安装，于是手动删除该文件夹，重新安装，此bug修复。 BUG2 ImportError: DLL load failed:找不到指定模块 网上找的很多答案都
tensorflow_gpu==1.14.0版本
05-21
配合博文“tensorflowGPU版本安装”食用。压缩包是tensorflow_gpu==1.14.0版本的安装包，下载后需要用pip install+路径名+文件夹名安装后即可适用。这个是我在GITHUB上下载下来的请放心使用
我的第一次装tensorflow-gpu（win8系统）
青春正年少我要大声笑lamusique
04-20 270
在此感谢这份博客https://blog.csdn.net/StardustYu/article/details/82955104，给予了超级的指导（虽说他有点四处拼凑哈哈哈调侃一小下）。不过我也是采坑无数过来的。 坑1：主要是安装cuda时出现了“NVIDIA安装程序失败”的情况，https://blog.csdn.net/aic1999/article/details/79894797刚开始...
Win10基于docker安装TensorFlow（/PaddlePaddle）
m0_37435073的博客
11-08 3415
Win10基于docker安装TensorFlow（/PaddlePaddle）
tensorflow-gpu的安装
kakarot26456的博客
08-28 287
tensorflow-gpu安装步骤仅供自己学习使用
tensorflow-gpu安装过程记录及心得
qq_35498453的博客
06-12 521
配置 首先讲一下我的电脑配置 windows7 64位 显卡 GTX 1660 6G python3.7 CUDA10.0 CUDNN7.6 tensorflow-gpu1.13.1 pycharm2018（这个版本可以破解到2100年，后面的版本貌似不行） 需求 整个过程需要下载CUDA tookit 10.0，CUDNN 7.6以及最后pip install tensorflow-gpu1.13.1 过程 因为之前用的是tensorflow-cpu，所以要先卸载掉cpu版本的tensorflow pip
机器学习小白（三）——TensorFlow安装
热门推荐
天涯遍地是小草的博客
05-24 2万+
1、官方教程 官网https://www.tensorflow.org/，可以直接参考：官方安装教程，就懒得搬运了。不过需要自备梯子，没有的可以看后文。 2、官方教程注意点 （2018.05.24版） 本人是GeForce GTX 960M的渣笔记本显卡，算是刚够到gpu版本的及格线上。目前安装的是1.8.0TensorFlow的gpu版本。不同版本对cuda和cudnn版本要求不一样，坑...
Java基础入门：掌握基本语法与概念2024最新0基础！！！易懂！！！.md
最新发布
07-14
Java编程语言的基础语法要点。首先介绍了数据类型与变量的概念，包括整型、浮点型、字符型和布尔型，每种类型的定义和示例代码都有详细解释。其次，讨论了运算符与表达式的使用，包括算术运算符、赋值运算符、关系运算符和逻辑运算符，每种运算符的功能和示例展示。接着，文章深入探讨了控制流程，包括条件语句（if-else、switch-case）和循环语句（for循环、while循环、do-while循环），每种语句的用法和示例演示。随后，文章详细讲解了方法的定义与调用，展示了如何定义带有参数和返回值的方法，并给出了实际使用的示例。最后，文章介绍了Java中的数组与集合，包括如何定义和初始化数组，以及如何使用列表（List）作为集合类型存储数据。字符串处理也得到了关注，包括字符串的拼接、长度、比较、查找和替换等操作。整篇文章通过清晰的教程、详细的示例代码和逐步解释，帮助读者建立起对Java基础语法的全面理解和实际运用能力。
tensorflow-gpu2.3版本的安装
05-03
以下是在 Windows 系统上安装 TensorFlow-GPU 2.3 的步骤： 1. 安装 NVIDIA 显卡驱动 首先需要安装 NVIDIA 显卡驱动，可以在 NVIDIA 官网下载并安装对应版本的驱动程序。 2. 安装 CUDA Toolkit TensorFlow-GPU ...

“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 2
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