Tensorflow GPU配置（一次性安装成功）

最新推荐文章于 2023-03-02 15:04:42 发布
最新推荐文章于 2023-03-02 15:04:42 发布
阅读量334 收藏
点赞数
分类专栏： 环境配置
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。
本文链接：https://blog.csdn.net/weixin_42474448/article/details/106658712
版权
Tensorflow GPU配置每次重新换环境弄半天，整理一下tensorflow 2.0CUDA 10.0cuDnn 7.65tensorflow 2.0每次重新换环境弄半天，整理一下首先说环境：windows 10tensorflow 2.0CUDA 10.0cuDnn 7.65tensorflow 2.0首先你得确定你的tf版本，这样才能对应选择CUDA以及cuDnn，tf 2.x版本还没用过，想体验一下，最开始没控制版本，下了2.1版本，但是安装对应CUDA以及cuDnn时始终找不到
摘要由CSDN通过智能技术生成

Tensorflow GPU配置

首先说环境：

我这次配的是
tensorflow 2.0 + CUDA 10.0 + cuDnn 7.65
首先你得确定你的tf版本，这样才能对应选择CUDA以及cuDnn，tf 2.x版本还没用过，想体验一下，最开始没控制版本，下了2.1版本，但是安装对应CUDA以及cuDnn时始终找不到DLL文件，最后发现2.0版本安装最快又没啥问题。记录一下，以后优先这样安装

（补充：tf2.0和1.x版本有点冲突，又配了个1.15的环境，tensorflow 1.15 + CUDA 10.0 + cuDnn 7.65也是可以用的）

CUDA 10.0

CUDA 下载很简单，直接去官网，选择版本然后下载，最好是选择local，这样迅雷下起来速度还可以

在cmd中输入ncvv --version 可以检查有没有安装成功，没有的话可能是忘记添加环境变量了，一般CUDA环境变量自动加进去了

CUPTA和CUDNN还没有加进来，所以必须将它们添加到路径，这样使用Tensorflow的时候才不会报错

D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64;
D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;
D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CU

最低0.47元/天 解锁文章
Eternal student
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
TensorFlow的GPU使用相关设置整理
TracelessLe的专栏
11-08 3947
TensorFlow是一个在机器学习和深度学习领域被广泛使用的开源软件库，用于各种感知和语言理解任务的机器学习。默认情况下，TensorFlow 会映射进程可见的所有 GPU（取决于 CUDA_VISIBLE_DEVICES）的几乎全部内存。这是为了减少内存碎片，更有效地利用设备上相对宝贵的 GPU 内存资源。但有时我们不需要这种特性，所以需要想办法避免这种情况。本文简要介绍TensorFlow的GPU使用相关设置。
基于Anaconda3配置安装tensorflow（gpu）环境（详细步骤和常见报错）
qq_41148224的博客
04-03 4641
系统：win10 版本：anaconda3（内置python3.7版）+ tensorflow2.0.0 一、安装anaconda3 1、直接官网https://www.anaconda.com/download/安装内置python3.7的Anaconda，安装点next到底就行。 注意此处两项都要勾选。（第一项是将anaconda路径自动配置为环境变量） 2、安装好后进...
配置tesorflow-gpu环境（简单实用、亲测有效）
旭写人生的博客
07-07 460
配置tensorflow-gpu环境，简单高效，避免踩雷，亲测有效
新版本GPU加速的tensorflow库的配置方法
疯狂学习GIS的博客
03-02 2771
本文介绍在Anaconda环境中，配置可以用GPU运行的Python新版tensorflow库的方法~
Tensorflow如何使用GPU训练（笔记）
热门推荐
豆沙包子的博客
07-12 3万+
Tensorflow和tf.keras 模型可以在单个GPU上透明运行，而无需更改。 注意：（1）需要使用tf.config.experimental.list_physical_devices('GPU')确认使用的tensorflow可以使用GPU。 （2）在一台机器上运行多个GPU，或者在多台机器上运行，最简单的方法是使用分布策略。 确保你的机器已经安装TensorflowGPU版。 import tensorflow as tf print("Num GPUs Available: ",
记一次 win10 TensorFlow-GPU 安装
12-20
6. 最后，验证TensorFlow-GPU是否安装成功，运行Python解释器并输入`import tensorflow as tf; print(tf.__version__)`，如果无异常且打印出正确的版本号，说明安装成功。 除了Python和TensorFlow，安装GPU版本还...
加速深度学习任务：TensorFlow GPU 教程
最新发布
10-07
例如，设置GPU的内存增长策略，以避免一次性分配所有内存： ```python import tensorflow as tf gpus = tf.config.experimental.list_physical_devices('GPU') if gpus: try: for gpu in gpus: tf.config....
一次成功安装tf_gpu步骤.pdf
05-07
如果没有错误提示，表明安装成功。尽管可能出现警告，但只要不是致命错误，安装依然有效。 为了进一步完善环境，还需要安装其他常用的库，如OpenCV和Scipy。使用conda命令分别安装： ```bash conda install opencv...
tensorflow指定GPU与动态分配GPU memory设置
09-18
这段代码创建了一个新的TensorFlow会话，并设置了配置项，允许GPU内存根据实际需要逐步增长，而不是一次性分配所有内存。这样可以更高效地使用GPU资源，避免了因内存预分配过多导致的问题，特别是在多任务或多个模型...
解决Tensorflow占用GPU显存问题
12-20
这种方式在实际应用中可能更加灵活，因为它只根据模型的需求动态分配显存，而不是一次性全部占用。 除了上述方法，还有一些其他的优化策略可以考虑： - **使用混合精度训练**：TensorFlow支持混合精度训练，即使...
tensorflow GPU安装及测试
张金玉的专栏
11-10 1万+
# 一、TensorFLow-Gpu环境的搭建 ## 查看nvidia的型号以便安装相应的驱动 lspci | grep -i nvidia #这一步非常的重要，一定要看清楚自己的驱动型号，以便能够找到正确的cuda和cudnn的型号    ## 禁用nouveau #在安装cuda的时候,由于涉及到NVIDIA驱动的安装,使得nouveau驱动与NVIDIA驱动冲突,为了能够继续安装,必须禁...
Win10_64位下搭建TensorFlow-GPU版本的环境
、bye_碎翘的博客
11-25 5984
Win10_64位下搭建TensorFlow-GPU版本的环境标签 ： 深度学习软件清单: Python : 3.6.2 版本 TensorFlow : 1.4 版本 CUDA : CUDA8_win10 版本 cuDNN : cuDNN6.0_win10 版本 本文末尾会提供本次博文使用到的所有安装文件的百度云盘分享链接。 安装过程:1. 安装Python    两种方式 : 到官网上下载安装
GPU高性能编程CUDA实战（一）CUDA介绍
the步履不停shy的博客
10-29 364
CPU 在早期，为了提升计算设备的性能，通常手段就是提高中央处理器（CPU）的时钟频率，但随着功耗与发热的急剧提升以及晶体管的大小已经接近极限。此后，又通过提高中央处理器的核心数量来提升整体的计算机性能。 GPU 相比于CPU需要很强的通用性处理各种不同的数据类型，同时逻辑判断又需要引入大量的分支跳转和中断的处理，这些都使得CPU的内部结构异常复杂。而GPU面对的则是类型高度统一，相互无依赖的大规...
Tensorflow-gpu环境搭建
zhen_zhen_的博客
05-16 1641
写在前面的话 为什么写tensorflow环境搭建 我的深度学习是使用tensorflow开始的，这个框架可以说很优秀，搭配python来完成CNN更是事半功倍，然而最难的一步却是环境搭建，不仅有些难以完成，还经常因为莫名其妙的原因崩掉，于是又要再次重装，结合之前写的Ubuntu重装那个简直就是我的一部血泪史。不同的机器经常会出现不同的奇葩的问题，我也写出来仅供参考 我的环境 电...
Ubuntu18.04一键配置Tensorflow1.9和MXNet1.2.1
dickwinters2011的博客
09-03 417
Anaconda是非常方便的环境管理软件，环境之间互相独立，互不干扰，依赖包自动下载和调整 使用Anaconda搭建Tensorflow环境和MXNet环境，既可以一键自动完成，又可以互不影响，将不同深度学习框架、不同框架版本、不同包版本隔绝开来 本文将创建一个独立的Tensorflow环境与独立的MXNet环境 1.安装Anaconda 2.创建Tensorflow环境 创建一个名字叫...
机器学习之路-win10下tensorflow-gpu环境的安装与配置
weixin_42646982的博客
05-11 807
机器学习之路-win10下tensorflow-gpu环境的安装与配置Anaconda的安装安装Python3.6GPU版本所需的额外软件-CUDA配置环境变量-CUDAGPU版本所需的额外软件-cuDNNTensorflow安装 参考： https://www.cnblogs.com/tan-wm/p/9566564.html https://blog.csdn.net/weixin_41655940/article/details/103570512 从环境配置开始记录一下机器学习的过程，也是第一篇博客
配置GPU运行环境的通用方法（不限系统，不限版本，长期有效，简单易操作，一秒学会，半小时弄好）
沃·夏澈德的博客
06-30 534
淘宝搜 tensorflow-gpu 配环境 之类的关键词，几十块解决，自己看一遍也就会了。
tensorflow 1.14指定gpu运行设置
qq_15821487的博客
07-06 1296
注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。 因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
tensorflow-GPU配置成功测试代码
zeronose的博客
05-27 1万+
验证tensorflow-GPU，cuda，cudnn配置是否成功 import tensorflow as tf tensorflow_version = tf.__version__ gpu_available = tf.test.is_gpu_available() print('tensorflow version:',tensorflow_version, '\tGPU available:', gpu_available) a = tf.constant([1.0, 2.0], name=
测试tensorflow gpu是否安装成功
03-16
您好，如果您想测试TensorFlow GPU是否安装成功，可以使用以下代码： ```python import tensorflow as tf # 检查是否使用GPU if tf.test.gpu_device_name(): print('GPU已安装') else: print('GPU未安装') ``` 如果输出结果为“GPU已安装”，则说明TensorFlow GPU已经成功安装。如果输出结果为“GPU未安装”，则需要检查您的GPU驱动和TensorFlow版本是否匹配，以及是否正确安装了CUDA和cuDNN等依赖库。

“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 3
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