TensorFlow的GPU环境配置——记录自己换硬盘后重配GPU环境

最新推荐文章于 2024-08-16 19:33:37 发布
最新推荐文章于 2024-08-16 19:33:37 发布
阅读量182 收藏 1
点赞数
文章标签： tensorflow 神经网络 深度学习
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/hadesfox/article/details/116330453
版权
本文记录了作者在更换硬盘后重新配置TensorFlow GPU环境的详细过程，包括如何检查TensorFlow环境、安装和升级相关依赖、解决numpy版本问题，以及最终成功配置GPU环境的步骤。通过此过程，读者可以了解如何在遇到类似情况时有效地重建TensorFlow GPU环境。
摘要由CSDN通过智能技术生成

起因

上个月做卷积神经网络的手势识别，一开始用CPU对模型进行训练，直接练了我二十几个小时，还因为电脑电源有问题，在最后关头失败了。最后只能减少训练次数来完成模型训练。

经过相关文章查阅，发现实际上只要使用GPU来训练模型，效率就有极大的提升。但是TensorFlow的安装又繁琐又有各种版本限制版本匹配之类的问题，也是搞了两天才把TensorFlow的GPU环境弄上。

前两天电脑又太老旧，硬盘直接报废，换了个新硬盘，环境全都得重配，当时配环境的时候参考了那么多文章就没自己写文章记录了。现在换完硬盘后重配GPU环境，再去搜那些文章，零零散散，没有集中记录，太难查阅。因而在自己这次成功配回环境后，记录一下自己这次重配的过程。

查看TensorFlow环境是CPU还是GPU

通过这个代码语句可以获知系统当前TensorFlow环境

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices(
最低0.47元/天 解锁文章
hadesfox
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
python Tensorflow-GPU 环境搭建（win11）
m0_58709899的博客
06-02 4798
（1）打开英伟达控制面板 如下图（2）查看对应显卡型号 如下图 我的版本是517（3）在网站查看该显卡驱动型号对应的cuda型号（支持的cuda最高型号） 如下图 可以看到 我的最高能支持到cuda11.8。
深度学习--GPU环境准备
LittleRuby的博客
11-29 1210
tensorflow库在2.11及以上的版本中，都取消了对Windows平台的GPU支持，因此本机安装的tensorflow版本为2.10.1，tensorflow与cuda版本需要版本匹配，查看tensorflow2.10.1对应cuda11.2版，因此我这里下载的版本为11.2.0版。现在需要重启电脑，然后Win+R进入cmd界面，输入nvcc -V，出现如下界面，代码cuda已经安装成功了。找到环境变量-系统变量-path，分别将如下三个变量添加进去，完成安装。笔记本：联想14pro(含雷电4接口)
tensorflow ---gpu的环境配置
JEREMY的博客
04-25 2152
先鼠标右键查看对应的CUDA的版本： 根据本机的CUDA、cuDNN版本确定python及TensorFlow版本。如下表所示：tensorflow_gpu版本 Python 版本 cuDNN CUDA tensorflow_gpu-2.4.0 3.6-3.8 8.0 11.0 tensorflow_gpu-2.3.0 3.5-3.8 7.6 10.1 tensorflow_gpu-2.2.0 3.5-3.8 7.6 10.1
Ubuntu配置深度学习环境（TensorFlow和PyTorch）
zardforever123的博客
09-30 7423
前言：最好是去[这里](https://tensorflow.google.cn/install/source?hl=en#linux)看一下TensorFlow对应的CUDA版本，按照要求的版本安装，我是因为有其他程序必须要11.6才没有按照这个要求安装。
安装Anaconda在d盘，那么新建环境（比如：tensorflow环境）就默认在d盘中的Anaconda的envs中/同理，安装python的依赖包，也会默认安装在ANACONDA的目录下
热门推荐
LIWEI940638093的博客
12-29 1万+
1, 在命令行端（Anaconda prompt）中运行新建环境命令，conda create –n tensorflow_2 python=3.8.0，该新建环境默认在ANACONDA\envs中。 可以理解运行程序一直都是在开始安装的D盘中，只是运行环境有区别，也就是这些命令的文件会在屏幕所显示的空间中。如下图中显示的（base）C:\Users\windows7>，即为程序的运行环...
TensorFlow-GPU（一）环境配置
yq1271的博客
03-25 522
TensorFlow-GPU（一）环境配置 一、新建虚拟环境 conda create -n tensor14 python=3.6 网络问题报错，解决镜像源的问题： condarc文件修改channel为： - https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ - https://mirrors.bfsu.edu.cn/anaconda/pkgs/free - https://mirrors.bfsu.edu.cn/anaconda/pkgs/ma
win10下tensorflowgpu+keras开发环境配置教程.docx
02-24
在Windows 10环境下配置TensorFlow GPU和Keras的开发环境是一项重要的工作，因为它为深度学习项目提供了必要的计算加速和高效框架。以下是一份详细的步骤指南： 首先，我们需要安装**Anaconda**，这是一个强大的...
深度学习环境搭配——cuda+cudnn+tensorflow-gpu+keras
01-20
深度学习环境搭配——cuda+cudnn+tensorflow-gpu+keras 一、手动安装： cuda下载：https://developer.nvidia.com/cuda-toolkit cudnn下载：https://developer.nvidia.com/cudnn tensorflow版本和cuda的对应关系： ...
神经网络学习小记录42——windows下的tensorflow-gpu=1.13.2环境配置
01-20
神经网络学习小记录42——windows下的tensorflow-gpu=1.13.2环境配置学习前言环境内容Anaconda安装下载Cudnn和CUDA配置tensorflow环境安装VSCODE 学习前言 好多人问环境怎么配置，还是出个教程吧。 环境内容 ...
tensorflow1.14-gpu+keras环境
12-18
https://blog.csdn.net/sinat_36899414/article/details/111389515 极速配置tensorflow-gpu,keras sklearn 配置步骤参考上面那篇文章
tensorflow2.5.0-GPU测试工程
07-27
在安装过程中，我们需要确保系统已安装NVIDIA驱动、CUDA工具包和cuDNN库，并正确配置环境变量，以便TensorFlow能够识别和使用GPU资源。 **RTX 2060 Super** 是NVIDIA推出的一款高性能显卡，其Tensor Cores专为深度...
TensorFlow GPU 2.10+CUDA+cuDNN全环境设置指南及安装教程（已避坑）
qq_43412643的博客
12-15 6327
需要注意的是，这些库的版本需要相互匹配才能正常工作。如果您使用的是不兼容的版本，可能会导致程序无法正常运行或者出现其他问题。，下载对应版本，本机是cuda 11.2.0和cudnn 8.1.0.77，进入anaconda prompt，输入，查看所有环境。Windows终端输入，验证conda是否安装成功。注意，此时版本有些对应不上，需要按照以下版本安装，将numpy 1.26.2降至1.23.4。环境部分配置完成，需要安装。创建环境，名为myenv。删除名为myenv的环境。查看所有安装的依赖项。
CUDA安装与Tensorflow1-gpu环境搭建(windows版)
qq_39940390的博客
12-31 1099
搭建低版本的Tensorflow-gpu环境时，直接在终端通过pip install命令安装tensorflow-gpu往往会报错，故我们先下载需要版本的tensorflow-gpu.whl文件到本地，如本文下载的whl文件如下图所示，下文会给出如何加载该文件安装tensorflow-gpu。由于科研需要复现机器学习、深度学习某些经典实验，这些经典实验所需环境版本都较低，而现在的软件和组件升级又较快，有些的低版本的组件或包官方甚至不再维护，复现低版本实验环境时容易造成版本冲突、包冲突等问题。
第36步 深度学习图像识别：TensorFlow-gpu环境配置
qq_30452897的博客
06-12 3113
第36步 深度学习图像识别：TensorFlow-gpu环境配置
tensorflow-gpu安装（详解）
shinuone的博客
11-01 8129
TensorFlow（中文名：张量流）是一个由Google开发的开源机器学习框架，广泛用于深度学习和机器学习任务。
Win环境下配置tensorflow GPU环境
ice
06-20 1285
win下配置tensorflow的gpu环境，第一个方法亲测有效，第二个也亲测有效。
Tensorflow安装教程(完美安装gpu版本的tensorflow)（Windows,Conda,cuda,cudnn版本对应）
qq_51800276的博客
03-05 9141
Tensorflow安装保姆级教程，亲测有效。
第T8周：使用TensorFlow实现猫狗识别
最新发布
weixin_47918905的博客
08-16 771
tqdm可以手动更新，将其对象赋给一个变量，然后调用.update(N)方法来更新进度，tqdm()有个可选的参数设置迭代总数，然后通过update方法进行累加，每次执行update都会打印一次当前进度。它提供了一种简单的方式来跟踪迭代过程的进度，无论是在循环中处理大量数据还是在长时间运行的任务中。使用image_dataset_from_directory方法将磁盘中的数据加载到tf.data.Dataset中。调用update(N)方法，表示完成N次迭代，进度条则会显示对应的百分比。
Pytorch与TensorFlow GPU共存环境配置详解及镜像推荐
本文档详细介绍了如何在Windows 10 64位家庭版操作系统、搭载RTX2060显卡以及CUDA 11.3的环境下配置PyTorch与TensorFlow的GPU环境，同时兼顾了pip和conda两种包管理器的使用。作者强调了由于不同包可能在pip或conda...
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