【深度学习004】环境搭建 install tensorflow-gpu=1.13 + anaconda + python3.6

li@li-System-Product-Name:~$ conda --versionconda 4.5.4li@li-System-Product-Name:~$ echo $PATH/home/li/anaconda3/bin:/usr/local/cuda-10.0/bin:/usr/local/cuda-10.0/bin:/usr/local/sbin:/usr/local/bi...
摘要由CSDN通过智能技术生成

安装过程

  1. 安装 anaconda ,注意安装的版本号。https://blog.csdn.net/qq_39782872/article/details/89335574

  2. 创建一个虚拟环境 conda create -n 自定义名字 pip python=3.6 // python版本也可以定制

  3. 激活环境 : source activate 名字

  4. 安装tensorflow :conda install tensorflow-gpu //也可指定版本号

  5. 检测安装结果


操作实录:


li@li-System-Product-Name:~$ conda --version
conda 4.5.4
li@li-System-Product-Name:~$ echo $PATH
/home/li/anaconda3/bin:/usr/local/cuda-10.0/bin:/usr/local/cuda-10.0/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/snap/bin
   $ conda create -n tensorflow pip python=3.6       # select python version
li@li-System-Product-Name:~$ source activate tensorflow
(tensorflow) li@li-System-Product-Name:~$ ls
anaconda3         Documents         Music                     Public
cudnn_samples_v7  Downloads         NVIDIA_CUDA-10.0_Samples  Templates
Desktop           examples.desktop  Pictures                  Videos

(tensorflow) li@li-System-Product-Name:~$ conda install tensorflow-gpu
Solving environment: done


==> WARNING: A newer version of conda exists. <==
  current version: 4.5.4
  latest version: 4.6.14

Please update conda by running

    $ conda update -n base conda



## Package Plan ##

  environment location: /home/li/anaconda3/envs/tensorflow

  added / updated specs: 
    - tensorflow-gpu


The following packages will be downloaded:

    package                    |            build
    ---------------------------|-----------------
    keras-applications-1.0.7   |             py_0          33 KB
    astor-0.7.1                |           py36_0          43 KB
    cupti-10.0.130             |                0         1.8 MB
    _tflow_select-2.1.0        |              gpu           2 KB
    grpcio-1.16.1              |   py36hf8bcb03_1         1.1 MB
    keras-preprocessing-1.0.9  |             py_0          35 KB
    mkl_fft-1.0.12             |   py36ha843d7b_0         172 KB
    pbr-5.1.3                  |             py_
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 首先,你需要确保你的计算机上已经安装了NVIDIA显卡,并且已经安装了相应的CUDA和cuDNN库。然后,你可以按照以下步骤配置tensorflow-gpu==2.5.0: 1. 安装Anaconda或Miniconda,并创建一个新的虚拟环境。 2. 打开终端或命令提示符,进入新创建的虚拟环境。 3. 使用以下命令安装tensorflow-gpu==2.5.0: ``` conda install tensorflow-gpu==2.5.0 ``` 4. 等待安装完成后,你可以使用以下命令验证tensorflow是否已经正确安装: ``` python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))" ``` 如果一切顺利,你将看到一组随机数的总和。现在,你可以开始使用tensorflow-gpu进行深度学习任务了。 ### 回答2: 要使用tensorflow-gpu==2.5.0进行深度学习,可按照以下步骤进行: 1. 安装CUDA Toolkit:首先,需要根据自己的GPU型号和操作系统,去NVIDIA官网下载对应版本的CUDA Toolkit。安装完成后,记住CUDA的安装路径。 2. 安装cuDNN:在下载cuDNN之前,需要先注册一个NVIDIA开发者帐号。然后,去NVIDIA官网下载与CUDA Toolkit版本对应的cuDNN库。下载完成后,将它解压到对应的CUDA安装文件夹路径下。 3. 创建虚拟环境:推荐使用conda或者venv创建一个独立的虚拟环境,以隔离不同的python版本。激活虚拟环境后,可以在命令行中使用pip安装tensorflow-gpu==2.5.0。 4. 配置tensorflow-gpu:由于使用的是GPU版本tensorflow,需要在代码中指定使用GPU。在代码的开头,添加如下代码: ``` import tensorflow as tf physical_devices = tf.config.list_physical_devices('GPU') tf.config.experimental.set_memory_growth(physical_devices[0], True) ``` 这样可以确保tensorflow只使用一个GPU,并在需要时动态分配显存。 5. 运行深度学习代码:在进行深度学习任务时,可以使用tensorflow提供的API来构建模型、定义损失函数及优化器,并使用GPU进行加速计算。 以上就是使用tensorflow-gpu==2.5.0进行深度学习的步骤。在安装和配置过程中,需确保CUDA、cuDNN和tensorflow-gpu版本相匹配,以充分发挥GPU加速的优势。
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
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