pip使用清华源(tsinghua)秒速安装TensorFlow 2.1.0 GPU版

最新推荐文章于 2024-08-12 11:09:59 发布

szZack

最新推荐文章于 2024-08-12 11:09:59 发布

阅读量1.5w

点赞数 12

分类专栏：深度学习常见问题

本文链接：https://blog.csdn.net/zengNLP/article/details/103938727

版权

深度学习同时被 2 个专栏收录

94 篇文章 10 订阅

订阅专栏

常见问题

34 篇文章 1 订阅

订阅专栏

环境
- Ubuntu 16.04
- python3.x
秒速安装tensorflow GPU版本
比如我们安装1.13.1 gpu版：
```
pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
```
同理，安装tensorflow 2.1.0 gpu版：
```
pip install tensorflow-gpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
```
tensorflow 0.12.0rc1, 0.12.0, 0.12.1, 1.0.0, 1.0.1, 1.1.0rc0, 1.1.0rc1, 1.1.0rc2, 1.1.0, 1.2.0rc0, 1.2.0rc1, 1.2.0rc2, 1.2.0, 1.2.1, 1.3.0rc0, 1.3.0rc1, 1.3.0rc2, 1.3.0, 1.4.0rc0, 1.4.0rc1, 1.4.0, 1.4.1, 1.5.0rc0, 1.5.0rc1, 1.5.0, 1.5.1, 1.6.0rc0, 1.6.0rc1, 1.6.0, 1.7.0rc0, 1.7.0rc1, 1.7.0, 1.7.1, 1.8.0rc0, 1.8.0rc1, 1.8.0, 1.9.0rc0, 1.9.0rc1, 1.9.0rc2, 1.9.0, 1.10.0rc0, 1.10.0rc1, 1.10.0, 1.10.1, 1.11.0rc0, 1.11.0rc1, 1.11.0rc2, 1.11.0, 1.12.0rc0, 1.12.0rc1, 1.12.0rc2, 1.12.0, 1.12.2, 1.12.3, 1.13.0rc0, 1.13.0rc1, 1.13.0rc2, 1.13.1, 1.13.2, 1.14.0rc0, 1.14.0rc1, 1.14.0, 1.15.0rc0, 1.15.0rc1, 1.15.0rc2, 1.15.0rc3, 1.15.0, 2.0.0a0, 2.0.0b0, 2.0.0b1, 2.0.0rc0, 2.0.0rc1, 2.0.0rc2, 2.0.0, 2.1.0rc0, 2.1.0rc1, 2.1.0rc2, 2.1.0 等版本同上

秒速安装tensorflow CPU版本
比如我们安装1.13.1 cpu版：

pip install tensorflow==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

szZack

关注关注

12
点赞
踩
24

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

【TensorFlow2.0】pip安装TensorFlow GPU版本

VikenBrain的博客

03-16

1288

安装步骤本人电脑基本配置： Windows 10 NVIDIA GTX 2060 6G 按照TensorFlow-GPU 2.0.0 的标准 Python3.6.x + VS 2017 + GTX2060 + TensorFlow 2.0.0 + CUDA 10.0 + cuDNN 7.6.5(版本对应，不然就会失了智) 前奏 python安装推荐使用python3.6.5(默认路...

tensorflow2.0对应python版本_TensorFlow2.1.0最新版本安装详细教程

weixin_39732534的博客

11-23

1956

TensorFlow是一款优秀的深度学习框架，支持多种常见的操作系统，例如Windows10，Mac Os等等，同时也支持运行在NVIDIA显卡上的GPU版本以及仅使用CPU进行运算的CPU版本。此篇教程将介绍如何安装最新版TensorFlow框架（2.1.0版本）安装步骤1.常用IDE安装2.CUDA安装3.cuDNN神经网络加速库安装4.TensorFlow框架安装常用IDE安装用户在Pyth...

参与评论您还未登录，请先登录后发表或查看评论

安装 tensorflow 版本2.1.0

qq_39483453的博客

08-23

460

tf=2.1.0配合keras=2.3.1 找到 tf 官网：https://pypi.org/project/tensorflow/1.5.0/#files 运行命令 pip install tensorflow==2.1.0 若提示无足够版本高度的keras 那就先安装keras： pip install keras==2.3.1 完成安装，再次运行 pip install tensorflow==2.1.0 若报错tensorboard相关参考：https://www.cnblogs.com/

pip 安装的清华源

最新发布

NLP与推荐算法

08-12

2552

pip安装指定清华源

pip install tensorflow 清华_清华和豆瓣的pip源哪个好?

weixin_39519619的博客

11-21

504

今天使用puckel提供的Airflow Dockerfile镜像文件build镜像时遇到prison这个包提示如下报错。Docker build过程中，安装flask-appbuilder包时候由于它需要依赖prison包，但pip源里prison包的版本不对，因此报错，镜像打不成功。我用的是清华的pip源。prison这个包，查看PyPI和GitHub页面，它的最新版本是0.1.2，如果是清华...

pip清华源安装Tensorflow-gpu

Roaddd的博客

04-04

1796

pip install --ignore-installed --upgrade tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

【记录&经验分享】——TensorFlow 2.1.0 GPU版安装成功经验分享

weixin_43435280的博客

05-03

1333

最近换了个电脑，又重新折腾安装了一下TensorFlow。安装的是目前最新的2.1.0版本的。如果你正在因安装频频失败而苦恼，继续往下看吧~ 前言本文是配置好环境后直接采用pip安装的方法，也可以用anaconda新建环境，后续步骤基本是一样的。配置博主的电脑是小新pro13 intel版，win10系统。NVIDIA硬件信息如下。目前这个配置安装TensorFlow2.1.0成功，给大...

TensorFlow 深度学习开发环境搭建全教程

机器学习与软件工程

01-25

1328

TensorFlow 深度学习开发环境搭建全教程

（新手小白）如何使用Anaconda安装tensorflow2.1.0

qq_43352723的博客

05-30

3365

本文主要介绍如何通过anaconda安装tensorflow。

Linux安装Anaconda3并创建虚拟环境来安装tensorflow-gpu和tensorflow-federated

12-21

在Linux系统中，为了高效管理和使用深度学习框架如TensorFlow-GPU和TensorFlow-Federated，通常会采用Anaconda作为Python环境管理工具。Anaconda是一个开源的Python和R的发行版，它包含了众多科学计算所需的库，并且...

MUKCHAN的博客

06-12

1756

手把手教你安装Windows下TensorFlow-gpu2.1.0（2021.6.11）1. 前序工作（一定注意，不然后悔！）1.1自我定位1.2小生配置一览① Anaconda 3平台（小生版本许久没有更新，新版都可）② Python 3.6（3.7及以上不兼容，采坑部分慢慢讲述）② 英伟达GTX 1050③ CUDA 10.2（CUDA版本目前一般为10.1、10.2或11.0及以上，版本只需在10.0以上即可,更新驱动后显示版本满足即可，不用刻意升级）④ CUDA Toolkit 10.1（版本与

Tensorflow-gpu安装记录

qq_54129718的博客

10-28

1010

tensorflow框架安装

tensorflow2.1 安装

chwei20002005的博客

02-17

2083

安装 tensorflow2.1 前提条件已经安装了 anaconda 3.7 , 由于网上这部分教程超级多，所以就不再这里赘述了。 Step 1 为了不与其他的现有编译器产生冲突，所以新建立一个专门用来运行tensorflow2.1的环境。按照上图打开命令窗口，键入conda create -n Tensorflow21 python=3.7 注：这里 Tensorflow21 就是未来你编译器名称，可以是任意名称。键入conda create -n Tensorflow21 py.

Tensorflow 2.1 安装（CPU版本＋GPU版本）

qq_46083603的博客

04-07

7957

在学习Tensorflow 这个框架时我推荐使用 Tensorflow 2.0+ pycharm +Anconda进行组合一环境的创建首先打开Anconda Prompt （以管理员模式打开）我们创建一个 tf2的环境并且配置python版本为3.7 然后我们就会看到以下画面按下Y键下载相关的文件下载完成后会出现以下界面二激活环境我们输入 conda activat...

Windows 安装Tensorflow2.1、Pycharm开发环境

weixin_45715405的博客

08-04

897

如果出现cudart64_101.dll找不到去官网进行下载一个放到C:\Windows\System32目录下。创建成功之后，输入以下代码进行验证，第一行时获取版本号，第二行时获取当前是否支持GPU，后面的计算两个变量之和。官网网址：https://www.dll-files.com/cudart64_101.dll.html。打开pycharm创建项目，选择刚才通过anaconda创建的虚拟环境进行开发。打开命令行工具，出现base就表示安装成功了，表示当前的虚拟环境名。在刚才的命令行中进行操作。

Tensorflow学习笔记①——Pycharm中的Tensorflow2.1安装教程（小白版本）

CRW__DREAM的博客

10-15

5441

Anaconda和Pycharm中的Tensorflow2.1安装教程（小白版本）

安装TensorFlow 2.1 CPU/GPU以及pytorch_gpu版本简洁指南

yykzyj123456的博客

06-17

1360

安装TensorFlow 2.1 CPU/GPU版本简洁指南

tensorflow2.1.0gpu安装教程

06-28

### 回答1： 1. 确认你的电脑是否支持GPU加速，如果支持，需要安装相应的显卡驱动程序。 2. 安装CUDA Toolkit，这是一个用于GPU加速的工具包，可以从NVIDIA官网下载对应版本的CUDA Toolkit。 3. 安装cuDNN，这是一个用于深度学习的GPU加速库，也可以从NVIDIA官网下载对应版本的cuDNN。 4. 安装Anaconda或者Miniconda，这是一个Python的环境管理工具，可以从官网下载对应版本的安装包。 5. 创建一个新的conda环境，可以使用以下命令： conda create -n tensorflow-gpu python=3.7 6. 激活新的conda环境，可以使用以下命令： conda activate tensorflow-gpu 7. 安装tensorflow-gpu，可以使用以下命令： pip install tensorflow-gpu==2.1. 8. 安装其他需要的Python库，例如numpy、matplotlib等。 9. 测试安装是否成功，可以使用以下代码： import tensorflow as tf print(tf.__version__) print(tf.test.is_gpu_available()) 如果输出的版本号为2.1.，并且is_gpu_available()返回True，则说明安装成功。以上就是tensorflow2.1.gpu安装教程的详细步骤。 ### 回答2： TensorFlow是一种用于机器学习和深度学习的开源软件库，2.1.0是TensorFlow的一个版本。通常情况下，安装TensorFlow可以在CPU和GPU上进行。现在，我们将介绍安装TensorFlow 2.1.0 GPU版本的步骤。首先，安装CUDA和cuDNN，因为TensorFlow需要这些软件来与GPU进行交互。 CUDA是英伟达公司的GPU加速计算平台，而cuDNN是针对深度学习的GPU加速库。您可以在英伟达的官方网站上下载并安装最新版本。确保您的CUDA和cuDNN是与您的TensorFlow版本兼容的。安装完成后，请将CUDA和cuDNN的路径添加到您的系统环境变量中。接下来，您可以使用命令行（cmd）或Jupyter笔记本来安装TensorFlow。首先，确保您的pip是最新版本，可以使用以下命令来更新： ``` pip install --upgrade pip ``` 然后，使用以下命令来安装TensorFlow2.1.0： ``` pip install tensorflow-gpu==2.1.0 ``` 如果您在安装过程中遇到问题，请检查CUDA和cuDNN的版本是否正确并添加到系统环境变量中。此外，如果您使用Anaconda或其他虚拟环境，请确保您已激活该环境。安装完成后，您可以使用以下代码来检查TensorFlow是否已正确安装： ``` import tensorflow as tf print(tf.__version__) print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU'))) ``` 如果控制台输出TensorFlow的版本和GPU的数量，则说明TensorFlow已正确安装。总之，安装TensorFlow2.1.0 GPU版本需要先下载和安装CUDA和cuDNN，然后使用pip命令来安装TensorFlow。尽管安装有一定的技术含量，但这个过程是很简单的，只要您遵循上述步骤，就可以很快地安装TensorFlow2.1.0 GPU版本。 ### 回答3： Tensorflow是一种广泛使用的深度学习框架。在开发过程中，许多人希望能够使用graphics processing unit （GPU）来加速模型的训练，因为GPU可以极大地提高训练速度。在这篇文章中，我们提供了Tensorflow2.1.0的GPU安装教程，帮助大家快速地安装其运行环境。第一步：安装Anaconda 在开始安装Tensorflow之前，我们需要先安装Anaconda，这是一种功能强大的Python发行版，可让我们轻松地配置Python环境并管理第三方软件包。在安装Anaconda之前，我们需要在官网下载对应的安装文件。下载完成后，按照官方指示逐步安装即可。第二步：创建Python虚拟环境接下来，我们需要创建一个虚拟环境，以便Tensorflow与其他Python库不会产生冲突。在Anaconda Navigator中，打开终端或cmd，输入以下命令即可： conda create -n tensorflow-gpu python=3.7 在此过程中，我们可以根据需求将虚拟环境命名为tensorflow-gpu。此外，在创建时，我们还需要确保python版本是3.7或更高版本。第三步：安装NVIDIA显卡驱动和CUDA 在使用GPU加速Tensorflow之前，我们需要安装NVIDIA显卡驱动和CUDA库。为了安装CUDA库，我们首先需要确定计算机的显卡型号。可以通过以下命令进行检查： nvidia-smi 在确定显卡型号后，我们需要从官方网站下载与其兼容的驱动程序和CUDA版本。下载完成后，我们需要在Anaconda中打开虚拟环境，进入虚拟环境后，使用以下命令进行安装： conda install cudatoolkit=10.1 在此安装命令中，cudatoolkit版本号为10.1，以适应NVIDIA驱动程序。需要根据自己的显卡型号选择安装相应版本的显卡驱动程序和CUDA。第四步：安装Tensorflow GPU版本当我们完成了CUDA和显卡驱动程序的安装之后，我们就可以安装Tensorflow GPU版本了。在虚拟环境中，使用以下命令进行安装： pip install tensorflow-gpu==2.1.0 -i https://pypi.douban.com/simple/ 在此命令中，我们指定了tensorflow-gpu版本为2.1.0，以保证Tensorflow版本与CUDA和显卡驱动程序的兼容性。第五步：测试安装在完成安装之后，我们可以尝试运行以下Python代码，以测试Tensorflow是否成功安装： import tensorflow as tf print(tf.__version__) 如果正确安装，输出结果应该显示安装的Tensorflow版本号。以上就是Tensorflow2.1.0 GPU安装教程的全部步骤，希望以上内容能够对大家有所帮助。需要注意的是，安装过程中需要考虑到调整台式电脑或者笔记本电脑的显卡适用性问题，出现驱动兼容性问题需要及时修改配置，否则将无法完成安装和调试。