在windows系统上安装mindspore GPU版本

本文介绍了如何在Windows系统上通过Docker安装Ubuntu,并在Ubuntu环境中安装MindSpore的GPU版本,包括设置GPU支持、安装软件、更新系统、安装MindSpore以及启动jupyternotebook进行远程访问的详细步骤。
摘要由CSDN通过智能技术生成

在windows(win10/win11)系统上安装mindspore GPU版本

由于win系统只能安装mindspore cpu版本,训练模型速度很慢,要使用gpu版本可以使用docker安装一个ubuntu系统,在ubuntu系统中安装mindspore。
如果没有安装docker可以参考:https://www.runoob.com/docker/windows-docker-install.html

1.在docker中安装ubuntu

如果没有安装docker需要先安装docker
docker pull ubuntu:18.04

2.启动ubuntu(需要加上参数–gpus才可以使用主机的gpu)

docker run -itd -p 8888:8888 --gpus all --name mindspore -e NVIDIA_DRIVER_CAPABILITIES = compute , utility -e NVIDIA_VISIBLE_DEVICES=all ubuntu:18.04

3.进入容器

docker exec -it 容器ID /bin/bash

4.更新安装软件

apt-get update
apt install sudo
apt install wget

5.设置用户名密码,使用root权限

sudo passwd root
Su root

6.查看显卡驱动

在这里插入图片描述

7.使用官方脚本自动安装mindspore

#没有安装这个后面运行脚本会出错
sudo apt-get install software-properties-common  
下载脚本
wget https://gitee.com/mindspore/mindspore/raw/r2.0/scripts/install/ubuntu-gpu-pip.sh
#执行脚本 安装MindSpore 2.0.0,Python 3.7和CUDA 11.1。
MINDSPORE_VERSION=2.0.0 bash -i ./ubuntu-gpu-pip.sh

8.安装docker中的jupyter notebook

pip install jupyter notebook

9.配置jupyter远程访问

jupyter notebook --generate-config
vim /root/.jupyter/jupyter_notebook_config.py

在文件中增加以下配置:

c.NotebookApp.password=''
c.NotebookApp.ip='*'
c.NotebookApp.allow_remote_access = True
c.NotebookApp.open_browser = False
c.NotebookApp.token = ''
c.NotebookApp.port = 8888  #8888为容器端口

10.启动jupyter

jupyter notebook --notebook-dir=./mindsporetest/ --no-browser --allow-root

在这里插入图片描述

11.主机访问容器中的jupyter

在浏览器输入网址:http://127.0.0.1:8888/
在这里插入图片描述
参考资料:
[1]https://blog.csdn.net/hhq163/article/details/123431061
[2]docker中安装jupyter,并远程打开jupyter_docker

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
好的,以下是在 Windows 系统安装 TensorFlow-GPU 2.12.0 的步骤: 1. 确认显卡驱动已经安装并支持 CUDA 10.0 或 10.1,这是 TensorFlow-GPU 2.12.0 的要求。 2. 安装 CUDA Toolkit 10.0 或 10.1,下载地址为: * CUDA 10.0:https://developer.nvidia.com/cuda-10.0-download-archive * CUDA 10.1:https://developer.nvidia.com/cuda-10.1-download-archive 安装时选择自定义选项,仅安装 CUDA 核心组件和 CUDA 工具。安装完成后需要设置环境变量: ``` CUDA_HOME = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 (或 v10.1) Path = %PATH%;%CUDA_HOME%\bin;%CUDA_HOME%\extras\CUPTI\lib64 ``` 3. 安装 cuDNN 7.4.2 或 7.5.x,下载地址为: * cuDNN 7.4.2:https://developer.nvidia.com/rdp/cudnn-archive * cuDNN 7.5.x:https://developer.nvidia.com/rdp/cudnn-download 将文件解压到 CUDA Toolkit 的安装路径下,例如: ``` C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64 ``` 4. 安装 Anaconda,下载地址为:https://www.anaconda.com/products/individual 5. 创建一个新的 Python 环境: ``` conda create -n tf_gpu python=3.6 ``` 激活环境: ``` conda activate tf_gpu ``` 6. 安装 TensorFlow-GPU 2.12.0: ``` pip install tensorflow-gpu==2.12.0 ``` 安装完成后可以测试是否成功,例如: ``` import tensorflow as tf print(tf.__version__) ``` 如果输出版本号为 2.12.0,说明安装成功。 希望这些步骤可以帮助你安装 TensorFlow-GPU 2.12.0。

“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 1
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