windows安装tensorflow2的CPU和GPU版本

  1. 安装anaconda(以python3.7.0为例)
    /参考博客地址

  2. 安装虚环境

(1) 查看所有虚环境

conda info --envs

# conda environments:
#
base                  *  C:\ProgramData\Anaconda3

(2) 安装虚环境

# 注:tf-gpu-260是虚环境的名称
conda create --name tf-gpu-260 python=3.7.0

(3) 进入虚环境

activate tf-gpu-260

(4) 退出虚环境

deactivate
或者
conda deactivate

(5) 删除虚环境

conda remove --name tf-gpu-260 --all
  1. 在虚环境中安装tensorflow

(1)进入虚环境

activate tf-gpu-260

(2)查看本机支持哪些tensorflow版本

conda search tensorflow-gpu
或者
conda search tensorflow

在这里插入图片描述
(3)查看tensorflow各个版本依赖的环境
查看版本依赖
在这里插入图片描述
在这里插入图片描述
(4)conda安装tensorflow(注:conda方式安装tensorflow的GPU版本,系统会自动根据机器环境安装相应的CUDA和cuDNN)

# 安装gpu2.6版本
conda install tensorflow-gpu==2.6.0
# 安装cpu2.6版本
conda install tensorflow==2.6.0

(5)pip 安装tensorflow(注:如果conda安装慢,可以选择pip引用镜像的方式安装。pip不会自动匹配基础依赖包,需要自行安装cudatoolkit和cudnn两个包)

# 安装gpu2.6版本
pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
conda install cudatoolkit=11.3.1(版本号查询使用命令conda search cudatoolkit)
conda install cudnn=8.2.1(版本号查询使用命令conda search cudnn)
# 安装cpu2.6版本
pip install tensorflow==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

(6)在虚环境中进入python环境测试tensorflow-GPU是否安装成功

import tensorflow as tf
gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)
tf.test.is_gpu_available()

#  /device:GPU:0
#  True
  1. 使用虚环境

(1)在原始环境中安装插件和ipykernel(在jupyter中可以选择环境)

conda install nb_conda
conda install ipykernel

(2)虚环境中安装ipykernel

activate tf-gpu-260
conda install ipykernel

注:一般会使用Matplotlib包,虚环境中没有这个包,需要手动安装!!!

# 因为安装ipykerner时conda会自动升级,再使用conda安装其它包时可能会报错,建议使用pip命令安装
pip install matplotlib

在这里插入图片描述
在这里插入图片描述

  • 6
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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