在虚拟环境中安装cuda

win10使用anaconda将TensorFlow2.1GPU版安装在虚拟环境中_2020022246的博客-CSDN博客

跑测试代码会显示GPU:false
  测试代码如下:

import tensorflow as tf
import os

os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)

print('GPU:', tf.test.is_gpu_available())

1.打开Anaconda Prompt

2.建立一个名为tf2.1(该名称可随便取)的环境,使用Python3.7

conda create --name tf2.1 python=3.7

3.进入tf2.1环境

activate tf2.1

4.安装cuda10.1(因为这里安的TensorFlow是2.1版本,对应的cuda版本是10.1,cudnn版本是7.6,如果要安装别的版本的TensorFlow,需安装对应的cuda和cudnn版本。)

conda install cudatoolkit=10.1

5.安装cudnn7.6

conda install cudnn=7.6

6.安装TensorFlow-GPU2.1

pip install tensorflow-gpu==2.1

安装完成就可以使用TensorFlow2.1GPU版本啦!

  • 1
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
安装CUDA在Linux虚拟机上可以通过以下步骤完成: 1. 首先,创建一个虚拟环境并激活它。可以使用conda命令创建和激活虚拟环境,例如: ``` conda create -n environment_name conda activate environment_name ``` 2. 接下来,安装CUDA。首先使用`conda search cudatoolkit --info`命令查找可用的CUDA版本,并复制所需版本的下载链接。然后使用wget命令将CUDA包下载到本地,例如: ``` wget CUDA_package_url ``` 最后,使用`conda install --use-local`命令安装CUDA,其`local_path`是本地CUDA包的路径,例如: ``` conda install --use-local local_path ``` 3. 安装cuDNN。使用`conda search cudnn --info`命令查找与CUDA版本对应的cuDNN版本,并复制所需版本的下载链接。然后使用wget命令将cuDNN包下载到本地。最后,使用`conda install --use-local`命令安装cuDNN,其`local_path`是本地cuDNN包的路径。 4. 安装PyTorch。在PyTorch官网上查找与所安装CUDA版本匹配的PyTorch版本,并复制相应的安装命令。确保复制的命令包含`-c python`,以避免安装CPU版本的PyTorch。 5. 最后,验证安装。可以使用以下命令验证CUDAcuDNN安装情况: ``` import torch print(torch.version.cuda) # 验证CUDA版本 print(torch.backends.cudnn.version()) # 验证cuDNN版本 ``` 请注意,安装CUDAcuDNN可能需要一些额外的配置和依赖项。确保按照官方文档提供的指南进行操作,并根据需要进行适当的调整。 [2]提供了在虚拟环境安装CUDA的具体步骤,可以参考该引用内容进行操作。[3]提到了NVIDIA的多操作系统工作站可以为主机操作系统和虚拟机操作系统分配独立的Quadro GPU,从而创建一个完全虚拟化的工作站。这意味着在虚拟机安装CUDA是可行的。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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