TensorFlow-gpu安装使用注意事项

最新推荐文章于 2024-03-09 12:32:10 发布
最新推荐文章于 2024-03-09 12:32:10 发布
阅读量462 收藏
点赞数
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/qq_16320025/article/details/89141621
版权

# 先看一下电脑是不是英伟达的显卡吧，目前只有英伟达nvidia的显卡支持CUDA和有效支持TensorFlow
# 安装参考资料 https://blog.csdn.net/dongyanwen6036/article/details/85056003
# 下载cuda（使用英伟达显卡加TensorFlow-gpu训练模型的所需环境）   地址： https://developer.nvidia.com/cuda-downloads 下载相关操作系统的版本
# 安装好之后吧CUDA安装目录下的bin和lib\x64添加进环境变量中

# 下载cudnn（加速训练速度）地址： https://developer.nvidia.com/rdp/cudnn-download 需注册登录后下载
# 将解压后文件夹中的bin、include、lib中的文件分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1对应文件夹下
# 将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64\cupti64_101.dll复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin下

 

蓝之刃
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
cudart64_101.dll
03-04
在使用tensorflow的时候，可能会遇到Could not load dynamic library ‘cudart64_100.dll’; dlerror: cudart64_100.dll not found警告，孙然忽略这个问题，只是用cpu进行计算的话，程序也能正常去运行，但是能解决的问题为什么要方放着不管呢？
tf2.0——为什么安装了tensorflow-gpu，结果还是用CPU在训练？
syh的技术记录
08-14 1万+
tf2.0——为什么安装了tensorflow-gpu，结果还是用CPU在训练？前言安装步骤为什么安装的是GPU版本训练时还是用的CPU？ 前言 最近在学习台大李宏毅老师的ML/DL的网课，学到CNN那一章想着做一下作业3（用CNN实现一个11种食物分类的模型），模型搭建好后跑了一下，结果要一个多小时才能出结果，而且准确率还不是很高（53%左右），遂想修改下模型，但实在是耗不起时间（毕竟我训练模型的那一个多小时都在打王者）。 所以决定下个GPU版本的tensorflow来训练模型，期间踩了很多坑，写这篇博客
Could not load dynamic library ‘cupti64_101.dll‘； dlerror: cupti64_101.dll not found
享受当下
11-10 5804
如果cuda正常安装的话应该是环境变量出了问题 我的解决方法是，将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64\，添加到环境变量Path中，注意lib64后面有\。
如何配置tensorflow-gpu环境（1050Ti）
weixin_42618732的博客
07-20 779
安装cuda，按照https://blog.csdn.net/wangbowj123/article/details/89381562 按照如图配置环境变量 然后试运行 gpus = tf.config.experimental.list_physical_devices(device_type='GPU') print(gpus) 两段代码，尝试执行检测到的话即可 假如遇到大段的 Could not load dynamic library 'cudart64_110.dl..
基于python的tensorflow深度学习的环境搭建（GPU版本）
bluenessdrops的博客
03-22 2070
由于需要完成深度学习人脸识别的毕设，所以最近一直在着手做相关的研究。以下关于环境搭建，也就是我毕设的第一步，都是我本人通过自己实践得出的结论。下面是我的具体参数： | TENSORFLOW 2.1.0 | CUDA V10.1 | CUDNN 7.6.5 | NVIDIA DRIVER VERSION 442.59| | Alienware 15R2 | GTX970M | 16G DDR4 2...
TensorFlow-gpu 安装检测cuda版本程序
weixin_42272768的博客
03-26 999
安装TensorFlow-gpu最大的问题就是显卡驱动版本与软件包中不匹配。这个python程序可以检测目前系统中的显卡驱动。由于条件限制，目前只能支持Windows系统。希望可以帮助到大家。 # -*- coding: utf-8 -*- import os import re import subprocess import io import platform if platform.s...
TensorFlow 安装GPU版本
AAlonso的博客
08-08 1万+
  1、CUDA的下载，官网下载CUDA版本一般是最新版本，但是TensorFlow版本与CUDA版本可能不兼容，CUDA其他版本下载地址是https://developer.nvidia.com/cuda-toolkit-archive ，可以根据自己的需要下载CUDA的版本。我下载的是CUDA9.0 2、双击可执行文件，选择解压路径，点击OK   3、正在解压      ...
tensorflow-gpu-2.12.0.tar.gz
02-16
### 使用注意事项 1. **兼容性**：确保你的GPU型号和驱动程序与TensorFlow支持的CUDA版本相匹配。 2. **显存管理**：根据模型大小调整TensorFlow的显存分配策略，防止显存溢出。 3. **日志与调试**：启用TensorFlow...
tensorflow-gpu-2.10.1-cp37-cp37m-linux.whl
06-28
".txt"扩展名的文件可能是一个文本文件，包含了关于这个whl文件的额外信息，例如安装步骤或注意事项。 总的来说，这个资源是TensorFlow 2.10.1的GPU优化版本，为Python 3.7环境设计，兼容多种Linux系统，特别是64位...
tensorflow-gpu-2.10.1-cp39-cp39-win-amd64.whl
06-27
**注意事项** - 在安装TensorFlow GPU版本前，请确保计算机上已经安装了NVIDIA CUDA和cuDNN，这是运行TensorFlow GPU所必需的库。版本应与TensorFlow兼容。 - 检查GPU驱动程序是否是最新的，旧的驱动可能会导致问题...
cublas64_90.dll
09-05
CUDA v9.0 的库 cublas64_90.dll，如果安装的时候提示缺少这个库，下载后copy至CUDA安装文件的bin目录下即可！
tensorflow-gpu-1.4.0rc1 linux版本 python27和python35
10-26
6. **注意事项**: - 在安装前，请确认你的系统已安装了合适的Python版本，并且正确设置了环境变量。 - 安装CUDA和cuDNN时需遵循官方文档，确保版本兼容。 - TensorFlow-GPU需要NVIDIA驱动，需要先安装最新的驱动...
tensorflow-2.11.0-cp39-cp39-manylinux-2-17-x86-64.zip
11-17
压缩包内的文件名称列表包含"使用说明.txt"，这通常会提供有关如何解压、安装和使用压缩包内资源的详细步骤，以及可能的注意事项或常见问题解答。另一个文件是"tensorflow-2.11.0-cp39-cp39-manylinux_2_17_x86_64....
解决使用NVIDIA GPU运行tensorflow+keras代码时遇见的问题
最新发布
m0_46285064的博客
03-09 725
使用NVIDIA GPU运行Tensorflow+keras代码时，可能会出现一些问题，如CUPTI_ERROR_INSUFFICIENT_PRIVILEGES、CUDNN_STATUS_ALLOC_FAILED和cupti64_101.dll not found等等，文章记录了如何解决这些问题。
window10下RTX3090配置CUDA11.0 tensorflow-gpu版详解
苏打水的杯子的博客
12-24 7539
环境：（亲测可用） window10 RTX3090 python3.7.9 cuda11.0 cudnn-11.0-windows-x64-v8.0.4.30 tensorflow-gpu=2.4.0rc2 请先获得下面的ptxas.exe，替换C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin\ptxas.exe. 问题一：如果报缺cufft64_10.dll或者cudnn64_8.dll或者curand64_10.d
深度学习环境配置8——（30系显卡）windows下的torch==1.7.1环境配置
热门推荐
Bubbliiiing的学习小课堂
10-13 8万+
深度学习环境配置8——（30系显卡）windows下的torch==1.7.0环境配置注意事项一、2021/10/8更新学习前言环境内容环境配置一、Anaconda安装1、Anaconda的下载2、Anaconda的安装二、Cudnn和CUDA的下载和安装1、Cudnn和CUDA的下载2、Cudnn和CUDA的安装三、配置tensorflow2-gpu环境1、tensorflow2-gpu环境的创建与激活2、tensorflow2-gpu库的安装3、其它依赖库的安装4、安装较慢请注意换源四、安装VSCODE
Loaded runtime CuDNN library: 7.4.1 but source was compiled with: 7.6.5.
ruyingcai666666的博客
09-26 840
Loaded runtime CuDNN library: 7.4.1 but source was compiled with: 7.6.5. CuDNN library major and minor version needs to match or have higher minor version in case of CuDNN 7.0 or later version. If using a binary install, upgrade your CuDNN library. If b
安装tensorflow-gpu 1.14.0
04-05
以下是在Windows系统下安装tensorflow-gpu 1.14.0的步骤： 1. 确认已经安装CUDA和cuDNN tensorflow-gpu需要CUDA和cuDNN的支持。在安装tensorflow-gpu之前，需要先安装CUDA和cuDNN。具体安装步骤可以参考官网的安装指南。 2. 创建虚拟环境 在安装tensorflow-gpu之前，建议使用虚拟环境来避免与其他Python库的冲突。创建虚拟环境的命令如下： ``` python -m venv myenv ``` 其中，myenv是虚拟环境的名称。 3. 激活虚拟环境 使用以下命令激活虚拟环境： ``` myenv\Scripts\activate ``` 4. 安装tensorflow-gpu 使用以下命令安装tensorflow-gpu： ``` pip install tensorflow-gpu==1.14.0 ``` 5. 验证安装 安装完成后，可以通过以下代码验证tensorflow-gpu是否正确安装： ```python import tensorflow as tf tf.test.is_gpu_available() ``` 如果返回True，则表示tensorflow-gpu已经正确安装。 注意事项： - 安装tensorflow-gpu需要较长时间，请耐心等待。 - 如果使用Anaconda环境，则需要在Anaconda Prompt中执行以上命令。
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