TensorFlow2.0 学习笔记四 利用Docker直接使用GPU版本

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

TensorFlow2.0 学习笔记三 在GPU上训练，win11安装tensorflow2 GPU版本_shaynerain的博客-CSDN博客PP基本上按照上面来的都是不成功。。。。。。https://blog.csdn.net/shaynerain/article/details/132691275?spm=1001.2014.3001.5501

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