windows查看GPU信息（nvidia-smi）及tensorflow-gpu的安装

已于 2024-01-07 21:27:48 修改
阅读量2k 收藏 11
点赞数 11
分类专栏： 深度学习入门 深度学习环境搭建 文章标签： windows tensorflow 人工智能
于 2023-12-10 18:20:44 首次发布
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_46713695/article/details/134912067
版权

目录


我们可以使用 ctrl+ shift+ esc呼出任务管理器，然后点开 性能，查看“GPU0”的版本，这里以Windows 11、RTX 3060为例。

在这里插入图片描述
'nvidia-msi' 不是内部或外部命令，也不是可运行的程序 或批处理文件。
在这里插入图片描述
把C:\Program Files\NVIDIA Corporation\NVSMI
添加到path。再重新打开cmd窗口

我们点开任务栏中的“搜索”，输入“cmd”，打开命令窗口，在命令窗口用nvidia-smi 命令查看GPU驱动版本，也就是我们“CUDA Version”，Windows 11 版本中一般是12.0版本。
————————————————

在命令行输入nvidia-smi

在这里插入图片描述
上图红框内容分别为：显存使用/显存大小，右侧为GPU使用率。

安装tensorflow

安装

先进入base环境，再去新建，构建虚拟环境，回车
在这里插入图片描述
新建好之后，激活一下
在这里插入图片描述
安装tensorflow
在这里插入图片描述
在这里插入图片描述
安装成功
在这里插入图片描述

给pycharm配置解释器

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

测试tensorflow

将pycharm选择tf2（虚拟环境）的解释器
在这里插入图片描述

赵孝正
关注
  • 11
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
nvidia-smi命令在windows上打不开和nvidia-smi显示参数说明
weixin_67659025的博客
09-23 373
NVIDIA驱动的默认安装路径是在：C:\Program Files\NVIDIA Corporation\NVSMI，所以把该路径添加到。'nvidia-smi' 不是内部或外部命令，也不是可运行的程序或批处理文件。
NVIDIA 显卡驱动for Windows server 2012R2
10-22
NVIDIA显卡驱动适用于window server 2012r2系统，显卡型号包含RTX2080TI等所有系列型号。
nvidia-smi简介及各参数的详解与字段的详解和使用
liu_chen_yang的博客
01-13 4819
nvidia-smi是nvidia 的系统管理界面 ，其中smi是的缩写，它可以收集各种级别的信息，查看显存使用情况，显卡的温度… …。此外, 可以启用和禁用 GPU 配置选项 (如 ECC 内存功能)。nvidia-sim简称NVSMI，提供监控GPU使用情况和更改GPU状态的功能，是一个跨平台工具，支持所有标准的NVIDIA驱动程序支持的Linux和WindowsServer 2008 R2 开始的64位系统。
Windows10中配置并使用nvidia-smi
最新发布
kngines
03-17 387
Windows10中配置并使用nvidia-smi
【nvidia-smi命令】NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver报错原因及解决
Fanf_f备忘录
02-24 553
出现这个问题是在重启系统，ubuntu系统在安装某些内核文件后，应该是内核升级导致的，当前的内核与之前安装的nvidia驱动不匹配。除此之外，笔者将两个显示器接在同一张显卡上，会出现只能点亮一个显示器的问题，而在windows系统中就没有这个问题。笔者出现了两次这个问题，都能成功安装，如果有安装失败的情况，可以参考下面的博文。执行后的输出的最后一行的版本号为550.40.07。执行后显示completed字样，就代表安装成功。
win下持续观察nvidia-smi
we chat：玩转测试开发
01-03 610
在Windows操作系统中，没有与Linux中watch命令直接对应的内置工具，但有1种方法快速简单的方法可以实现类似的效果，尤其是用于监控类似于nvidia-smi的命令输出。：在Windows的PowerShell中，你可以编写一个简单的循环脚本来定期执行命令并刷新输出。例如，要模拟watch -n 1 nvidia-smi的效果。：按Ctrl+C来中断。
windows下使用nvidai-smi命令
xdg15294969271的博客
05-24 1368
使用nvidia-smi命令能够查看GPU的现存使用情况，若想要在cmd中使用这个命令，那么一定要增加环境变量就是了，本文章主要解决的是这个环境变量应该怎么加的问题。
win10下通过nvidia-smi查看GPU使用情况
热门推荐
Castlehe的博客
03-18 1万+
1. 查看NVIDIA的GPU基本情况 可以直接在任务管理器里看一下这个信息， 我本机的GPU型号是：NVIDIA GeForce GTX 1650 Cuda版本是cuda_11.0，可以在命令行输入： nvcc --version 2. 查看使用情况 参考：windows10下nvidia-smi查看GPU占用率 网上大部分都说： nvidia-smi.exe这个软件的位置是在：C:\Program Files\NVIDIA Corporation\NVSMI 但是真的不好意思，我这个最新版的cuda
Windows10 中使用nvidia-smi
遇事不决可问春风的博客
04-16 6687
Windows 10 中使用nvidia-smi
Windows WSL子系统Ubuntu22.04安装Nvidia显卡驱动
Linux I Tell U
06-20 9056
最近在研究AI，如果在Linux系统中部署的话需要重装系统，有些麻烦，又不想折腾。所以闲置很久没研究的WSL又拿起来研究了，当然部署ai还需要显卡驱动的支持，就必须先安装显卡驱动。还没有安装过WSL的童鞋可以看我之前发布的这篇文章。
Windows10下cmd中nvidia-smi命令输入无效的解决办法
qq_44111805的博客
12-11 1万+
将该路径添加到系统的环境变量中的Path中，再一路确定即可。重新打开cmd窗口，输入进行测试，成功显示即可，可以本机电脑的CUDA版本号。
tensorflow指定GPU与动态分配GPU memory设置
12-20
在tensorflow中，默认指定占用所有的GPU，如需指定占用的GPU，可以在命令行中： export CUDA_VISIBLE_DEVICES=1 这样便是只占用1号GPU，通过命令 nvidia-smi 可以查看各个GPU的使用情况。 另外，也可以在python程序中指定GPU，并且动态分配memory，代码如下 import os import sys os.environ['CUDA_VISIBLE_DEVICES'] = sys.argv[1] import tensorflow as tf from keras.backend.tensorflow_backend impo
wsl2-forwarding-port-cli:WSL2-forwarding-port-cli是用于WSL2 TCP和UDP转发端口配置的命令行工具
04-05
wsl2-forwarding-port-cli 作者：Chatdanai Phakaket 电子邮件： WSL2-forwarding-port-cli是用于wsl2转发端口配置的命令行工具 要求 [推荐] wsl2-forwarding-port-engine版本1.0.1-beta wsl2-forwarding-port-engine版本> 0.3.x 如何安装 打开WSL2 使用命令下载二进制文件 curl -LO https://github.com/mrzack99s/wsl2-forwarding-port-cli/releases/download/v2.2.0/wfp-cli 使wfp-cli二进制可执行文件。 chmod +x wfp-cli 将二进制文件移到PATH中。 sudo mv ./wfp-cli /usr/local/bin
tensorflow GPU 环境搭建（win10 + GTX 1060）
01-20
基础条件： Win10 + GTX 1060 安装显卡驱动 首先安装 显卡驱动： https://www.nvidia.cn/Download/index.aspx?lang=cn 按自己的GPU型号和操作系统去选择驱动版本，下载类型选择 Studio 下载后的驱动文件： 直接运行即可。 安装完成后，nvidia-smi即可查看GPU信息 安装CUDA 接下来安装 CUDA，试了9.0、9.2版本在安装时都会报一些错，大致是说驱动版本高而CUDA版本低，所以直接安装 10.2 主要参考了这篇文章： https://blog.csdn.net/bingo_liu/article/deta
GPU显卡检测神器.rar
10-21
GPU显卡检测神器.rar
tensorflow 限制显存大小的实现
12-20
Python在用GPU跑模型的时候最好开多进程，因为很明显这种任务就是计算密集型的。 用进程池好管理，但是tensorflow默认情况会最大占用显存，尽管该任务并不需要这么多，因此我们可以设置显存的按需获取，这样程序就不会死掉了。 1. 按比例预留： tf_config = tensorflow.ConfigProto() tf_config.gpu_options.per_process_gpu_memory_fraction = 0.5 # 分配50% session = tensorflow.Session(config=tf_config) 2. 或者干脆自适应然后自动增长： t
Linux下监视NVIDIA的GPU使用情况详解
01-20
在使用TensorFlow跑深度学习的时候，经常出现显存不足的情况，所以我们希望能够随时查看GPU时使用率。如果你是Nvidia的GPU，那么在命令行下，只需要一行命令就可以实现。 1. 显示当前GPU使用情况 Nvidia自带了一个...
gpu-jupyter:通过NVIDIA GPU的功能来利用Jupyterlab的灵活性，以在GPU上的协作笔记本中运行Tensorflow和Pytorch的代码
05-13
利用NVIDIA GPU的功能来利用Jupyter笔记本电脑，并在协作笔记本电脑中使用Tensorflow和Pytorch执行GPU计算。 首先，感谢为数据分析/科学应用程序创建和维护了健壮的Python，R和Julia工具栈。 该项目使用NVIDIA CUDA...
CentOS 7搭建Linux GPU服务器的教程
01-11
CentOS 7搭建Linux GPU服务器的步骤，供大家参考，具体内容如下 1. CUDA Toolkit的安装 到https://developer.nvidia.com/cuda-gpus查询...如果列出了GPU状态信息，表明安装成功： 2. cuDNN的安装 TensorFlow对神经网络
tensorflow-gpu安装测试
09-08
要安装和测试TensorFlow-gpu，您可以按照以下步骤进行操作： 1. 首先，您需要使用pip3命令安装TensorFlow-gpu的特定版本。您可以运行以下命令来安装TensorFlow-gpu 1.10.1： ``` pip3 install tensorflow-gpu==1.10.1 ``` 2. 安装完成后，您可以使用nvidia-smi命令来查看当前系统中的GPU运行情况。确保您的GPU正常工作。 3. 为了测试TensorFlow-gpu在系统中的安装情况以及能否调用GPU，您可以使用以下代码导入TensorFlow并运行一些基本操作： ``` import tensorflow as tf # 在这里编写您的TensorFlow代码，例如创建一个简单的神经网络模型或运行一些基本的TensorFlow操作 ``` 如果您没有收到任何错误消息并且代码成功运行，则说明TensorFlow-gpu在您的系统中已成功安装并可以使用GPU进行加速计算。

“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

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