cuda tensorflow

最新推荐文章于 2024-05-20 16:34:36 发布
原创 最新推荐文章于 2024-05-20 16:34:36 发布 · 249 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow #cuda

本文详细介绍如何检测CUDA版本，并将cuDNN正确配置到指定路径。此外还提供了使用Anaconda创建TensorFlow环境的方法，以及如何激活并安装特定版本的TensorFlow。最后，通过一个简单的测试确保安装成功。

nvcc -V       //检测cuda版本

//cuDNN 

解压后复制到C:\program files\Nvidia gpu computing toolkit\cuda\v9.1下覆盖

//anaconda下

conda create -n tensorflow python=3.6

//激活tensorflow

activate tensorflow

//install tensorflow>>>>.whl file

复制tensorflow_gpu-1.xxxxxxxx.whl 到C：\windows\system32下

pip install tensorflow_gpu-xxxxxxxx.whl  

//测试

进入python，import tensorflow as tf

......

【深度学习】TensorFlow（cuda版）安装以及对应第三方库安装流程
qq_42513876的博客
09-28 7658
本教程将指导您如何在Anaconda环境中安装TensorFlow（CUDA版本），并配置所需的三方组件，包括CUDA Toolkit、cuDNN、protobuf等。（参考b站视频：BV1rd4y187nM）
CUDA+tensorflow+python+vscode在GPU下环境安装及问题汇总与解答
最新发布
Cuby要读博的博客
08-14 1569
Tensorflow-gpt vscode python环境安装
tensorflow-1.12支持cuda10.0
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.支持mkl,无MPI; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]:/home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： hp@dla:~/work/ts_compile/tensorflow$ bazel build --config=opt --config=mkl --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
Tensorflow及CUDA安装
06-04
介绍了在ubuntu16.04中安装Tensorflow及CUDA7.5的安装方法
支持CUDA10的tensorflow-gpu轮子
11-29
这个文件是一个tensorflow的GPU版本的轮子，通过这个轮子，你可以在最新的CUDA10和CUDNN10.0上使用GPU训练你的模型
docker安装
eudemonia
09-09 369
1.版本校验： 目前，CentOS 仅发行版本中的内核支持 Docker。Docker 运行在 CentOS 7 上，要求系统为64位、系统内核版本为 3.10 以上。Docker 运行在 CentOS-6.5 或更高的版本的 CentOS 上，要求系统为64位、系统内核版本为 2.6.32-431 或者更高版本。 命令：uname -r 校验Linux内核版本（3.10以上版本） 从 2017 年 3 月开始 docker 在原来的基础上分为两个分支版本: Docker CE 和 Docker EE。
cuda tensorflow版本对应
09-15
根据提供的引用内容，不同版本的TensorFlow与CUDA对应关系如下表所示： TensorFlow版本 | CUDA版本 --------------------|-------------------- 1.2 | 8.0 1.3 | 8.0 1.4 | 8.0 1.5 | 8.0 1.6 | 9.0 1.7 | 9.0 1.8 ...
WSL安装TensorFlow（with CUDA12.4）
qq_74025626的博客
05-20 7112
并回车可自动修改用户配置文件，将Anaconda3自动添加到环境变量。可更改安装位置，直接回车下一步表示使用默认位置（当前用户的主目录）cuDNN的安装即把必要的文件移动到CUDA的对应目录下即可。查看conda版本信息，正常显示conda版本信息则安装成功。当看到此提示即表示Anaconda3已经安装完成，输入。即可查看CUDA 版本，正常显示版本信息则安装成功。如果TensorFlow安装成功，则继续执行。如果没有在此输入yes，则需要修改配置文件。如果可以正常显示版本信息则安装成功。
tensorflow-CPU-GPU对应CUDA,cudnn版本
プロノCodeSteel
12-01 404
https://tensorflow.google.cn/install/source_windows CUDA Toolkit 9.2 win10 x64安装包 https://developer.nvidia.com/cuda-92-download-archive?target_os=Windows&target_arch=x86_64&target_version=10...
安装tensorflow的GPU版本（详细图文教程）--CUDA11.6的安装
热门推荐
Aaron的博客
06-14 4万+
TensorFlow是深度学习领域使用最为广泛的一个Google的开源软件库（最初由Google brain team进行开发的内部库，由于它的易用性Google决定把它开源出来）.采取数据流图，用于数值计算.节点——处理数据线——节点间的输入输出关系数据流图中的数据叫做tensor, 表示张量, 即N维数据, tensor在数据流图中流动表示计算的过程, 这也是tensorflow名字的由来.支持多种平台，GPU、CPU、移动设备tensorflow特性:在官网可以下载python3.9并安装好。这里我就
配置Tensorflow使用CUDA进行GPU加速(超详细教程)
m0_51302496的博客
04-01 4万+
对于刚使用Tensorflow的友友来说配置环境并使用GPU进行加速也是件令人头疼的事情，纯自己折腾会遇到比较多的坑，所以这里详细介绍一下Tensorflow的环境配置
Tensorflow的CUDA升级，以及相关配置
lenbow的博客
08-04 1万+
本文主要介绍Tensorflow在unbuntu下的cuda升级以及一些相关配置–GPU，cuDNN，Cuda SDK。目的是为了解决安装完成tensorflow之后在使用过程中想调整上述相关设置，比如禁用GPU、升级cuda等
配置TensorFlow的cuda环境教程
qq_24997277的博客
09-15 1万+
一、硬件要求 官网链接： https://developer.nvidia.com/cuda-gpus 选则自己显卡类型对应的NVIDIA系列，可以得到显卡的计算能力（compute capability） 注意标注Notebook的为笔记本电脑 二、软件要求 1. 了解tensorflow各个版本需要的CUDA版本以及Cudnn的对应关系 注意记下自己需要的tensorflow版本、CUDA版本、Cudnn版本 https://www.tensorflow.org/install/source#co
Tensorflow与cuda版本关系（附加多个cuda版本安装）
weixin_42206075的博客
02-18 1万+
Tensorflow与cuda版本关系（附加多个cuda版本安装） 多说一句 如果，在网上down的代码用的tf的版本与你本机cuda不一致的话，可以在本机安装多个cuda版本，到时候再根据你自己的项目来选择使用哪个版本的cuda（就我本机win10为栗子） 1.安装cuda，这一步在网上太多教程，随便找个就行（cuda安装教程（windows）） 2.一般来说，如果cuda默认安装，路径应该与我上面贴出来的图中的路径一致：C:\Program Files\NVIDIA GPU Computing To
在已经安装高版本 cuda11.3下安装tensorflow 1.15.0 gpu版本
耶律大石的博客
01-16 3166
tensorflow 1.15.0 版本的cuda要求不能太高 ，对应的cuda 和cudnn版本如下但是我们cuda已经安装了11.3，如果直接用pip 安装tensorflow，gpu 不会生效，报错因此我们需要使用conda安装，这样在虚拟环境中，他会自动下载cudatoolkit和cudnn，可以说很方便了。
Tensorflow,cuda,cudnn版本匹配问题
计算机的专栏
04-27 2418
Tensorflow,cuda,cudnn版本匹配问题https://www.tensorflow.org/install/install_sources#common_installation_problems
tensorflow与cuda和cudnn版本关系
Xuan_Ray的博客
02-25 326
一定要严格按照版本对应关系下载驱动，不然各种问题。 最近，跑一个深度学习模型，用的tensorflow-gpu 1.15.0，结果下载的驱动为10.2版本的，裂开来。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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