0. 前言,安装tensorflow_gpu
0.1. 启动Anaconda Prompt
创建环境
conda create -n 环境名 python=版本号(例3.8)
或
conda create -p 指定环境路径 python=版本号
待完成之后,可通过以下命令查看现有的虚拟环境
conda info --env
0.2. 安装tensorflow
进入刚才创建好的虚拟环境
conda activate 环境名(或环境路径名)
根据自己电脑的配置安装对应版本的tensorflow,详见tensorflow官网tensorflow官网安装及版本指南
pip install tensorflow_gpu==版本号
等待安装完成即可输入以下代码进行验证
0.2.1.进入python编辑
python
可输入exit()退出python编辑
0.2.2. 导入tensorflow包
import tensorflow as tf
0.2.3. 检查gpu是否可以被tensorflow使用
tf.test.is_gpu_available()
若没问题,则会输出True
1. 报错 …protoc>=3.9.0
若在输入0.2.2. 命令后出现此问题,则执行代码
exit()
pip install protobuf==3.9.0
待完成后即可
2. 报错 Could not load dynamic library ‘cudart64_110.dll’; dlerror: cudart64_110.dll not found
若在输入0.2.3. 命令后出现此问题,说明缺少cudattoolkit,则执行代码,
conda search cudatoolkit
查看conda库中的可安装资源,并根据规则:tensorflow要求版本<=可安装资源<=本机cuda版本,来选择安装
exit()
conda install cudatoolkit=版本号
3. 报错 Could not load dynamic library ‘cudnn64_8.dll’; dlerror: cudnn64_8.dll not found
若在输入0.2.3. 命令后出现此问题,说明缺少cudnn包,则执行代码,
conda search cudnn
查看conda库中的可安装资源,同样,并根据规则:tensorflow要求版本<=可安装资源,来选择安装
conda install cudnn=版本号
待安装完成后即可