提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
提示:这里可以添加本文要记录的大概内容:
提示:以下是本篇文章正文内容,下面案例可供参考
一、
TensorFlow在2.11以及以后版本不再支持WIN系统使用GPU版本,所以导致GPU无法有效被TensorFlow识别。
主要通过Python == v3.9.18
CUDA == v11.2
cuDNN == v8.2.1
numpy == v1.23.4
TensorFlow==2.9.0
(GPU配置:NVIDIA 丽台A2000)
二、详细步骤
1.官网下载CUDA 相应版本,安装之后重新启动
https://developer.nvidia.com/cuda-11.2.2-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
2.官网下载cuDNN相应版本
https://developer.nvidia.com/cudnn-downloads?target_os=Windows
下载完成后解压缩,将cuDNN文件夹路径一一对应到CUDA安装路径中(默认路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA),并复制粘贴。
3.Anaconda Prompt环境下安装相应包
#新建环境
conda create --name yourEnv python3.9.18
#激活环境
conda activate yourEnv
#安装包
conda install numpy1.23.4
`#查看包列表
conda list
#安装TensorFlow
pip install tensorflow==2.9.0
(注:tensorflow 2.0版本之后不在区别TensorFlow以及TensorFlow-gpu安装包)
4.安装成功后进入python
#检查TensorFlow是否安装成功
import tensorflow as tf
print(tf.version)
#查看GPU是否可以正确识别
gpus = tf.config.experimental.list_physical_devices(device_type=‘GPU’)
cpus = tf.config.experimental.list_physical_devices(device_type=‘CPU’)
print(gpus, cpus)```