Tensorflow的gpu版本使用

最新推荐文章于 2024-08-13 13:48:39 发布
最新推荐文章于 2024-08-13 13:48:39 发布
阅读量1.8k 收藏 3
点赞数
分类专栏： 深度学习 tensorflow 文章标签： tensorflow 深度学习

根据前文
首先要自己新建一个python环境
然后进入该环境
使用pip install tensorflow-gpu==1.11 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
我这里用的1.11版本

当然要想使用GPU版本的tensorflow
只有tensorflow还不行
还得安装CUDA和cuDNN
这三者还得注意版本配合
见下图：
在这里插入图片描述
所用如下：
python3.6 (一般默认下载的3.7很多东西都不支持，故要自己新建)
tensorflow_gpu1.11
CUDA9
cuDNN7

如何安装CUDA?
如何安装CUDA?
如何安装CUDA?
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
确定环境变量添加完毕之后
确定环境变量添加完毕之后
确定环境变量添加完毕之后
在这里插入图片描述
cmd进入命令行
输入：
nvcc -v
在这里插入图片描述
至此，CUDA安装完毕
至此，CUDA安装完毕
至此，CUDA安装完毕

如何安装cuDNN?
如何安装cuDNN?
如何安装cuDNN?
在这里插入图片描述
上面应该是8都变成9，因为这个图片是别人的。如v8.0换成v9.0，其他类比。
by the way
下载cuDNN要求注册

在这里插入图片描述

全部安装完成后
第一次使用可能会报错
stop然后再次run就行
这速度确实是cpu的很多倍。我这里用了1分28秒
训练的是C:\Users*\PycharmProjects\untitled2\CNN_mnist.py
这是搭建卷积神经网络训练mnist，测试识别率达到99.1%，因为mnist有训练和测试集
然后我再换成原来的python环境，使用cpu版本的tensorflow，来定量比较一下
实际操作：cpu耗时18分18秒
看看是多少倍：1860+18=1098
1098/88=12.5，这算是比较大的差距了
我的配置是：
i7-9750H
GTX 1660Ti
如果是差的cpu和好的gpu，这个差距会更大
一般都是几十倍的差距

所以gpu版本的深度学习框架使用一定得会
这是趋势，不能嫌麻烦

WhyNotFocus
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
TensorFlow使用GPU版本
m0_46143400的博客
08-18 275
1. 查看自己显卡型号（右键：NVIDIA控制面板——>系统信息） 2. 查询对应的计算能力 我的是GeForce940M 为5.0 安装CUDA toolkit(驱动程序一般电脑上都会带) CUDA下载 cuDNN下载 安装完后，将CUDA 和 cuDNN 的bin目录都添加到系统的环境变量 将cuDNN目录下的三个文件夹复制到CUDA文件夹下，最后都只在C盘中的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0中有，所以需要
tensorflow gpu
07-13
tensorflow gpu版本1.8.0，具体安装教材可百度，适合64位操作系统。
tensorflow_gpu 1.15版本 mnist字体识别（附带input_data.py）
thehappysheep的博客
05-18 1684
1.内容 基于tensorflow gpu 1.15版本的minist cnn模型训练，其中包括数据加载，模型搭建，模型保存。 tensorflow v1版本还是需要先建立静态图，然后通过session()运行。 2.关于mnist数据 tensorflow gpu 1.15升级后，无法通过以下命令下载mnist数据，需要通过input_data.py脚本下载数据， tensorflow.examples.tutorials.mnist import input_data 如果脚本无法下载，可
Tensorflow-gpu安装教程（Win11, Anaconda3，Python3.9）
最新发布
2401_86489187的博客
08-13 1125
CUDA并不是实现GPU的神经网络加速库，如果希望针对的是神经网络进行加速，我们还需要安装cuDNN神经网络加速库。第一次单击下载时，会让你先注册登录，然后再进行下载，注册过程认真填写内容就没问题，此处略过，接下来进入下载环节。完成安装后，检查一下环境变量是否存在，一般安装完成会自动配置好环境变量，若是没有，则需手动配置，具体过程如下。查看是否有以下系统变量，没有则需要自行添加，对应图片上的名称和值，配置你电脑CUDA安装所在的位置。，不然很容易安装失败，或者就按官网查询的组合安装，安装过程是一样的！
TensorFlow GPU
zhyongwei的博客
03-19 200
http://blog.csdn.net/huuuuusy/article/details/78008195?locationNum=10&fps=1https://www.tensorflow.org/versions/r1.4/install/install_linuxhttp://blog.csdn.net/u012223913/article/details/78684852htt...
TensorFlow使用GPU
热门推荐
梅花落
10-03 4万+
有一种论点认为GPU比CPU的速度更快。 如果电脑是NVIDIA显卡并且计算能力>=3.5，则使用GPU。（根据TensorFlow官网会变） 查看自己显卡型号（右键：NVIDIA控制面板——>系统信息） 查询对应的计算能力 到TensorFlow官网查询发布的GPU支持，查看硬件要求和软件要求：https://www.tensorflow.org/install/gpu 驱动程序一般电脑上都会带，重点是安装 CUDA toolkit 和 cuDNN 安装CUDA toolkit 根
tensorflowgpu安装TensorFlow的GPU版本
06-10
为了确保TensorFlow GPU版本能够正常运行，必须使用正确的CUDA和cuDNN版本。以下是一些常见版本的对应关系： | Tensorflow Version | CUDA Version | cuDNN Version | |-------------------|--------------|-------...
深度学习，tensorflow-gpu2.1.1版本，TensorFlow-gpu版本c++动态库。
05-09
在本资源中，重点是TensorFlow GPU 2.1.1版本，这是一个强大的深度学习框架，由谷歌大脑团队开发并维护。TensorFlow支持在图形处理单元（GPU）上运行，显著加速了模型训练和推理过程。 TensorFlow-GPU 2.1.1 版本是...
tensorflow-gpu测试代码
07-11
tensorflow-gpu测试代码，测试成功会输出GPU True
tensorflow2.5.0-GPU测试工程
07-27
**TensorFlow 2.5.0 GPU版本的测试与应用** 在深度学习领域，TensorFlow是一个广泛使用的开源库，它提供了强大的工具来构建和训练神经网络模型。TensorFlow 2.5.0版本进一步优化了性能，特别是对于配备GPU的系统，...
tensorflow-gpu版本的
11-02
在描述中提到，"tensorflow-gpu版本的，实测win7,8,10都可以使用，对应的python版本是3.6的"。这意味着此版本的TensorFlow GPU已通过测试，可以在Windows 7、8和10操作系统上稳定运行，并且需要Python 3.6作为其运行...
tensorflow-gpu-0.12.1
08-11
目前google网站不好访问，tensorflow在线安装方式安装失败，下载安装文件手动安装是比较好的方式，分享tensorflow-gpu-0.12.1，很多demo用该版本。
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
Keras以及Tensorflow强制使用GPU
ssjdoudou的博客
12-06 8457
环境：python3.6+tensorflow==2.0+keras2.3.1 方法一： import tensorflow as tf import keras.backend.tensorflow_backend as KTF KTF.set_session(tf.Session(config=tf.ConfigProto(device_count={'gpu':0}))) 这里在ten...
配置GPU（安装tensorflow，有关于所有版本的踩坑指南）
whmemeda的博客
10-27 702
配置GPU（安装tensorflow-gpu，有关于所有版本的踩坑指南） 很早就想写这个博客了，因为初次接触深度学习，欠缺的知识点很多，也希望自己在以后的学习道路上能发出更多优质的博客，本篇博客是我在安装tensorflow-gpu中遇到了很多有关于版本的问题，这里简单做一个总结，望大家看到有所帮助。 一、一些概念： 1.何为CPU，何为GPU? 参考出处：https://blog.csdn.net/u014380165/article/details/77340765 如图所示： （1）CPU是串
TensorflowGPU管理
LV的博客
03-17 95
https://www.cnblogs.com/jiu0821/p/9501665.html https://www.jianshu.com/p/99fca5b7fd8a https://blog.csdn.net/u011636440/article/details/78611838 查看配置
Keras以及Tensorflow强制使用CPU，GPU
mjiansun的专栏
08-23 4万+
Keras如果是使用Theano后端的话，应该是自动不使用ＧＰＵ只是用ＣＰＵ的，启动ＧＰＵ使用Theano内部命令即可。  对于Tensorflow后端的Keras以及Tensorflow会自动使用可见的ＧＰＵ，而我需要其必须只运行在ＣＰＵ上。网上查到三种方法，最后一种方法对我有用，但也对三种都做如下记录： 使用tensorflow的 with tf.device('/cpu:0'):函数。简单...
TensorflowGPU版安装
qihao
08-22 1318
查看GPU信息命令lspci | grep -i nvidia sudo lshw -numeric -C display输出06:00.0 VGA compatible controller: NVIDIA Corporation GK110B [GeForce GTX TITAN Z] (rev a1) 06:00.1 Audio device: NVIDIA Corporation GK110
安装tensorflow的GPU版本（详细图文教程）--CUDA11.6的安装
Aaron的博客
06-14 4万+
TensorFlow是深度学习领域使用最为广泛的一个Google的开源软件库（最初由Google brain team进行开发的内部库，由于它的易用性Google决定把它开源出来）.采取数据流图，用于数值计算.节点——处理数据线——节点间的输入输出关系数据流图中的数据叫做tensor, 表示张量, 即N维数据, tensor在数据流图中流动表示计算的过程, 这也是tensorflow名字的由来.支持多种平台，GPU、CPU、移动设备tensorflow特性:在官网可以下载python3.9并安装好。这里我就
tensorflow gpu版本匹配
09-07
为了正确匹配TensorFlow GPU版本，您需要注意以下几点： 1. 确定您要安装的TensorFlow GPU版本。 2. 根据您选择的TensorFlow GPU版本确定要下载的CUDA版本。 3. 根据要安装的CUDA版本确定要下载的CuDNN版本。 TensorFlow GPU版本与CUDA版本的对应关系可以参考以下内容： - 不同版本的tensorflow-gpu与CUDA对应关系如下表所示（图片有点旧了，python版本是2.7和3.3-3.8）。 请确保您下载和安装的CUDA和CuDNN版本与您选择的TensorFlow GPU版本相匹配，以获得最佳的兼容性和性能。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>
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