前言
经过在学习的过程发现,很多时候想要在GPU上训练一些目标分类等是非常困难的,如果只是训练一些简单的脚本还好,但是要利用现有的脚本来训练困难重重;
经过多次测试,发现使用Docker来支持GPU是最简单的方法,这里做总结
GPU环境准备
在Windows下按照如下方式安装GPU驱动,到测试驱动是否正常即可
通过Docker安装使用Tensorflow
在官网中有具体的版本信息
官网:
https://hub.docker.com/r/tensorflow/tensorflow/tags
例如根据我的硬件可以直接运行
docker pull tensorflow/tensorflow:2.10.1-gpu-jupyter
基本上如果使用的新的驱动,可使用当前最新版本
以下为常用命令
命令需要根据实际情况换成自己的
使用Docker启动容器
docker run --name shaynerain --gpus all -it 48410134a793fc6b57ed92f21607b6fe807b4e37c99321b040ff3069013a7f45 bash
启动后如果需要再次进入中断使用如下命令
docker exec -it shaynerain bash
开始愉快的使用
可使用以下命令进行GPU测试
python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
from: TensorFlow2.0 学习笔记四 利用Docker直接使用GPU版本_shaynerain的博客-CSDN博客