TensorFlow] 运行报错CPU版本的安装Pycharm版本2.6最新tensorflow==虐杀pip安装

tensorflow cpu版本安装运行与tensorflow-GPU版本的问题。
显卡不用可以直接安装CPU版本的tf平台框架
在这里插入图片描述
找到pycharm对应位置

在这里插入图片描述
快捷操作
在这里插入图片描述
在管理镜像,中输入相关的镜像源,快捷有效。
完全虐杀在cmd窗口的docs下的自定义pip安装
在这里插入图片描述
可以自定义添加:单个添加即可。

https://pypi.python.org/simple

https://mirrors.aliyun.com/pypi/simple/

https://pypi.tuna.tsinghua.edu.cn/simple/

https://pypi.python.org/simple

https://mirrors.aliyun.com/pypi/simple/

https://pypi.tuna.tsinghua.edu.cn/simple/

NOTE

在这里插入图片描述
后面的才是cpu版本的
在这里插入图片描述
然后安装即可install package
自动添加索引。成功

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
PyCharm安装 TensorFlow GPU 版本,需要先确保你的计算机上已经安装了 CUDA 和 cuDNN。首先需要安装 NVIDIA CUDA Toolkit(该工具包提供了支持 NVIDIA GPU 的计算能力)和 cuDNN(该库为 CUDA 加速库,提供了深度学习框架所需的加速能力)。 1. 安装 CUDA Toolkit 从 NVIDIA 官网下载适合你的 CUDA Toolkit 版本安装时选择安装路径,并将路径添加到环境变量 PATH 中。 2. 安装 cuDNN 从 NVIDIA 官网下载适合你的 cuDNN 版本,解压缩文件,并将文件夹中的文件复制到 CUDA Toolkit 的安装路径下的相应文件夹内,例如: ``` <cuda_path>\bin\ <cuda_path>\include\ <cuda_path>\lib\ ``` 3. 创建虚拟环境 在 PyCharm 中创建一个新的虚拟环境,选择 Python 版本安装路径。 4. 安装 TensorFlow GPU 版本PyCharm 中打开终端窗口,输入以下命令安装 TensorFlow GPU 版本: ``` pip install tensorflow-gpu ``` 5. 测试 TensorFlow GPU 版本是否安装成功 在终端中输入以下代码,测试 TensorFlow GPU 版本是否安装成功: ```python import tensorflow as tf print(tf.test.is_built_with_cuda()) # 检查是否支持CUDA print(tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None)) # 检查是否可用GPU ``` 如果输出结果为 True,说明 TensorFlow GPU 版本安装成功。 注意事项: - 如果你的计算机没有 NVIDIA GPU,你需要安装 TensorFlow CPU 版本。 - 在安装 TensorFlow GPU 版本时,需要确保你的 GPU 兼容 TensorFlow 版本,可以在 TensorFlow 官网上查看兼容性列表。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

海宝7号

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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