tensorflow-gpu版本安装教程(过程详细)

2023-10-26

准备工作
      在开始安装前,如果你的电脑装过tensorflow,请先把他们卸载干净,包括依赖的包(tensorflow-estimator、tensorboard、tensorflow、keras-applications、keras-preprocessing),不然后续安装了tensorflow-gpu可能会出现找不到cuda的问题。
      使用pip卸载的命令如下:

pip uninstall tesnsorflow
pip uninstall tensorboard
...

      一般安装过python都会自带pip,如果电脑还没有安装python,可以去官网下载相应版本,推荐python3.8以上版本。


正式安装
第一步:安装cuda
      1.首先查看本机GPU对应的cuda版本,如下图所示,本机cuda版本为11.5,后面选择的cuda版本不要超过这里的版本就好。
在这里插入图片描述
      2.检查完cuda之后,进入https://developer.nvidia.com/cuda-toolkit-archive该网站选者相应的cudatoolkit版本下载(tensorflow-gpu用到cudatoolkit,没必要把整个cuda都下载下来),如图所示,本机选择下载的版本为10.1,这里选择版本一定要注意,因为cuda版本会决定你下载的cudnn和tensorflow-gpu版本,若不一致,会出现版本不匹配等问题,无法使用,详细情况下面阐述。
在这里插入图片描述
      3.下载完cuda之后
      ①双击安装包,此时会出现一个提示框,让你选择临时解压位置(该位置的内容在你安装完cuda之后会自动删除),这里默认即可,点击ok。
在这里插入图片描述
      ②完成上一步后,选择自定义,然后点下一步。
      ③完成上一步,这里CUDA一定要勾选上,下面的可选可不选,对后续没有影响。
在这里插入图片描述
      ④然后一直下一步,等待安装结束(中间让选择安装位置时,可以更改目录,最好只改前面的盘符,后面的文件夹保持一致,方便以后管理)。
      ⑤完成安装后,检查一下环境变量是否存在,一般安装完成会自动配置好环境变量,若是没有,则需手动配置,具体过程如下。
      a.打开电脑属性,找到高级系统设置,选择环境变量打开。
在这里插入图片描述
      b.查看是否有以下环境变量,没有则需要自行添加,对应图片上的名称和值,配置你电脑CUDA安装所在的位置。
在这里插入图片描述
      c.打开系统变量的Path,查看是否有一下两条内容,若没有则需自行添加,一定要配置对安装的位置。
在这里插入图片描述
      CUDA的安装就结束了,接下来下载解压cuDNN文件。


第二步:安装cuDNN
      打开该网址https://developer.nvidia.com/rdp/cudnn-archive,第一次单击下载时,会让你先注册登录,然后再进行下载,注册过程认真填写内容就没问题,此处略过,接下来进入下载环节。
      ①首先,根据安装的CUDA版本下载对应的cuDNN版本,以及对应的tensoflow-gpu版本、python版本都从这里查看,详细信息查看该网址https://tensorflow.google.cn/install/source_windows
在这里插入图片描述
      因为本机安装的CUDA10.1版本,所以选择cuDNN7.6进行下载,下面红框中的都可以选择。
在这里插入图片描述
      ②下载完成后,解压此文件,将cudnn文件中对应的文件移动到cuda对用安装目录中,注意不要移动到错误的位置。

解压的 cudnn文件 安装的cuda目录
bin\cudnn64_7.dll文件—> D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin中
include\cudnn.h文件—> D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include中
lib\x64\cudnn.lib文件—> D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64中

在这里插入图片描述
      cuDNN的安装到这就结束了,接下来就要安装期待已久tensorflow-gpu。


第三步:安装tensorflow-gpu
      这里将介绍两种安装方式,第一种使用pip直接安装的,第二种使用Anaconda(如果选择这一步,就不需要额外下载python,以及各种常用工具包,它会打包下载好)。
第一种:使用pip直接安装(本机采用该方式)
      首先,打开cmd命令行界面,这里建议使用管理员身份打开。
在这里插入图片描述
      然后,就可以在命令行中输入以下命令进行安装:

pip install tensorflow-gpu==2.3.0 --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple

      后面的后缀使用的是清华镜像,若不是使用,则是从国外网站进行安装,有很大可能下载不下来,导致安装失败,除了清华源,这里再提供几个常用的源。

中科大镜像:https://pypi.mirrors.ustc.edu.cn/simple
豆瓣镜像:http://pypi.douban.com/simple/
阿里镜像:https://mirrors.aliyun.com/pypi/simple/
百度镜像:https://mirror.baidu.com/pypi/simple

      注:这里选择的tensorflow-gpu版本要和之前选择的cuda版本对应,对应图在上面。安装过程比较缓慢,耐心等待即可。

      到此为止,使用pip安装tensorflow-gpu就结束了,接下来可以进行测试是否可以正常运行,新建一个python文件,输入以下命令,可以使用任何方式运行这段代码(这里使用的是pycharm,若没有则直接进入官网下载即可,十分方便),当出现下图红色内容时,说明成功运行tensorflow-gpu版本。

import tensorflow as tf
tf.autograph.set_verbosity(0)
physical_devices = tf.config.experimental.list_physical_devices('GPU')
print(physical_devices)
config = tf.config.experimental.set_memory_growth(physical_devices[0], True)

在这里插入图片描述


第二种:使用Anaconda进行安装(已经使用pip安装成功的,就不需要往下进行了)
      关于Anaconda的安装和配置参见下面两篇文章,本文就不再赘述。
      https://zhuanlan.zhihu.com/p/75717350
      https://blog.csdn.net/ITLearnHall/article/details/81708148
      安装完Anaconda后就可以进行tensorflow-gpu的安装了。
      以下内容转载https://zhuanlan.zhihu.com/p/339734279中的内容,因为本机并没有采用这种方式安装。
      首先,打开cmd命令行界面,按下面步骤进行操作。(建议以管理员身份打开)
      1、切换opentuna的pip镜像源。(为了加速下载速度)

pip config set global.index-url https://opentuna.cn/pypi/web/simple

      2.创建虚拟环境。输入以下命令(后面跟你电脑安装的python版本)。

conda create -n tensorflow2 python=3.8

      3.激活虚拟环境。

conda activate tensorflow2

      4.安装tensorflow2.3.0(此处要和你的cuda和cudnn版本相对应)。我们使用pip来安装,pip安装后自带gpu支持,不需要额外安装gpu版本。我们此处使用pip而不采用conda,是因为conda中版本可能较旧而且作者使用conda后安装失败。如此处自行使用conda后安装失败并不表示本教程有问题!特此提前说明!强烈建议您在此处根据作者建议使用pip!

pip install tensorflow==2.3.0

      上诉命令,作者没试过能不能成功使用gpu版本,建议直接使用下面命令安装。

pip install tensorflow-gpu==2.3.0

      5.验证安装是否成功。输入以下语句,如果如图所示输出了自己的GPU,则表示安装成功!否则安装失败,请检查步骤后重试或向作者提问。

python
import tensorflow as tf
tf.config.list_physical_devices('GPU')

      提示下面内容为安装成功。
在这里插入图片描述

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

tensorflow-gpu版本安装教程(过程详细) 的相关文章

  • TensorFlow:Dst 张量未初始化

    The MNIST For ML Beginners当我运行时教程给我一个错误print sess run accuracy feed dict x mnist test images y mnist test labels 其他一切都运行
  • 使用 Keras 和 fit_generator 绘制 TensorBoard 分布和直方图

    我正在使用 Keras 使用 fit generator 函数训练 CNN 这似乎是一个已知问题 https github com fchollet keras issues 3358TensorBoard 在此设置中不显示直方图和分布 有
  • 了解 TensorFlow 检查点加载?

    TF 检查点包含什么 例如 估算器存储一个单独的文件 其中包含GraphDef原型 你基本上可以做一个tf import graph def 然后创建一个tf train Saver 并将检查点恢复到图中 现在如果你还有另一个GraphDe
  • 在 Tensorflow 中学习新单词嵌入时进行地面预训练嵌入

    我尝试使用以下代码片段 为预训练的嵌入奠定基础 并仅针对新词汇学习嵌入 但预定义单词的嵌入也发生了变化 None
  • 使用 tfprof 分析 TensorFlow

    我正在尝试分析 TensorFlow 的计算 内存使用情况 发现tfprof https github com tensorflow tensorflow tree master tensorflow tools tfprof是实现我的目的
  • 为什么 tf.matmul() 给出看似不一致的结果?

    sess tf InteractiveSession num elements 10 output 0 76158798 num elements softmax w 0 1 0 1 0 1 0 1 0 1 0 1 0 1 num elem
  • Tensorflow ctc_loss_calculator:找不到有效路径

    当运行我的神经网络 双向 LSTM 进行音频识别时 我使用连接主义时间分类 CTC 但在某些时候 训练网络时我几乎每批都会收到来自 Tensorflow 的警告 W tensorflow core util ctc ctc loss cal
  • 每次运行神经网络代码时结果都会改变

    我通过运行此链接中提供的代码得到了结果神经网络 预测多个变量的值 https stackoverflow com questions 58071836 neural network predicting values of multiple
  • ptb_word_lm中batch_size的含义(tensorflow的LSTM模型)

    我是张量流的新手 我现在对它的含义有点困惑batch size 众所周知 其含义是batch size是每批次的样本数 但是根据中的代码ptb word lm 似乎不是 读者 py data len tf size raw data the
  • 在NN中指定连接(在keras中)

    我正在使用 keras 和tensorflow 1 4 我想明确指定哪些神经元在两层之间连接 因此 每当第一层中的神经元 i 连接到第二层中的神经元 j 且其他地方为零时 我就有一个矩阵 A 其中包含 1 我的第一次尝试是创建一个带有内核的
  • Tensorflow DecodeJPEG:预期图像(JPEG、PNG 或 GIF)以“\000\000\000\000\000\000\000\00”开头的格式未知

    我正在循环浏览图像文件夹 这种情况不断发生 tensorflow python framework errors impl InvalidArgumentError 预期的图像 JPEG PNG或GIF 以 000 000 000 000
  • TensorFlow CUDA_ERROR_OUT_OF_MEMORY

    我正在尝试在 TensorFlow 中构建一个大型 CNN 并打算在多 GPU 系统上运行它 我采用了 塔式 系统 并为两个 GPU 拆分批次 同时将变量和其他计算保留在 CPU 上 我的系统有 32GB 内存 但是当我运行代码时出现错误
  • 在 keras 中使用条件实现自定义损失函数

    我需要一些有关 keras 损失函数的帮助 我一直在使用 Tensorflow 后端在 keras 上实现自定义损失函数 我已经在 numpy 中实现了自定义损失函数 但如果它可以转换为 keras 损失函数 那就太好了 损失函数采用数据帧
  • 在 GPU 上训练时如何处理非确定性?

    在调整超参数以使模型性能更好时 我注意到每次运行代码时获得的分数 以及创建的模型 都是不同的 尽管修复了随机操作的所有种子 如果我在CPU上运行就不会出现这个问题 我搜索了一下 发现这是使用 GPU 训练时的常见问题 这是一个非常好的 详细
  • Keras Predict_classes 方法返回“列表索引超出范围”错误

    我对 CNN 和机器学习总体来说是新手 并且一直在尝试遵循 TensorFlow 的图像分类教程 现在 可以找到Google Colabhere https colab research google com drive 1gwZp7 t
  • 如何在带有 LSTM 层的 TensorFlow Hub 中使用嵌入模型?

    我正在学习 TensorFlow 2 通过 TF Hub 教程进行文本分类 它使用了 TF hub 的嵌入模块 我想知道是否可以修改模型以包含 LSTM 层 这是我尝试过的 train data validation data test d
  • 使用输入管道时如何替换 feed_dict?

    假设您有一个已与feed dict到目前为止将数据注入到图表中 每隔几个时期 我就会通过将任一数据集的一批数据输入到我的图表中来评估训练和测试损失 现在 出于性能原因 我决定使用输入管道 看看这个虚拟示例 import tensorflow
  • 用于测试张量流安装的速度基准

    我怀疑我的 GPU 机器上是否正确配置了张量流 因为在我精美的 GPU 机器上训练一个简单的线性回归模型 批量大小 32 1500 个输入特征 150 个输出变量 的每次迭代速度比在笔记本电脑上慢 100 倍 我使用的是 Titan X 配
  • 使用 Keras 时,验证集中未见的类别会出现错误

    我有由数值变量和分类变量组成的数据 分类变量有很多类别 因此我使用嵌入来表示这些类别 我的模型是一个简单的神经网络 我知道当你定义嵌入层时你需要通过input dim number of categories 1为了解释训练中看不见的类别
  • 从 Keras 检查点加载

    我正在 Keras 中训练一个模型 我使用以下代码保存了所有内容 filepath project model hdh5 checkpoint ModelCheckpoint project model hdf5 monitor loss

随机推荐

  • 输入若干个整数,以-1标记输入结束,输出其中的最大数

    题目描述 输入若干个整数 以 1标记输入结束 输出其中的最大数 输入 若干个整数 以 1标记输入结束 输出 其中的最大数 样例输入 1 2 5 7 8 6 1 6 1 样例输出 8 1 使用数组 这种方法可以进行求解 但是如果输入的是 1的
  • 712. 两个字符串的最小ASCII删除和 -- 动规

    712 两个字符串的最小ASCII删除和 class MinimumDeleteSum 712 两个字符串的最小ASCII删除和 https leetcode cn problems minimum ascii delete sum for
  • Spring中的AOP和事务管理,以及SpringBoot中使用事务

    一 什么是事务 狭义上的事务特指数据库事务 一方面 当多个程序并发访问数据库时 事务可以在这些应用程序之间提供一个隔离方法 以防止彼此的操作互相干扰 另一方面 事务为数据库操作提供了一个从失败中恢复到正常状态的方法 同时提供了数据库即使在异
  • 全国等级保护测评机构推荐目录

    转自 http www djbh net webdev web LevelTestOrgAction do p nlbdLv3 id 402885cb35d11a540135d168e41e000c 国家信息安全等级保护工作协调小组办公室推
  • 机器学习实战:AdaBoost预测病马率

    import numpy as np 函数说明 加载数据集 Parameters filename 文件名 Returns dataMat 数据集 labelMat 标签 def loadDataSet filename numFeat l
  • select epool

    一 问题引出 联系区别 问题的引出 当需要读两个以上的I O的时候 如果使用阻塞式的I O 那么可能长时间的阻塞在一个描述符上面 另外的描述符虽然有数据但是不能读出来 这样实时性不能满足要求 大概的解决方案有以下几种 1 使用多进程或者多线
  • Deepin 20.1 安装nvidia显卡驱动 爬坑

    前言 之前用的是ubuntu系统 装得也是双系统 然后最近看到了deepin 系统 然后就装了下 在装nvidia显卡时 遇到了重启蓝屏的问题 在反复重装N多次系统同时查阅N多次网友资料时 总结出以下几点 当然如果你想安装的话直接滑下方 不
  • 【计算机视觉

    文章目录 一 检测相关 8篇 1 1 Attending Generalizability in Course of Deep Fake Detection by Exploring Multi task Learning 1 2 Harv
  • 基于参数shared_pool_reserved_size进一步理解共享池shared pool原理

    结论 1 与共享池相关的参数为 shared pool size shared pool reserved size shared pool reserved pct shared pool reserved min alloc 2 sha
  • String的三种遍历方式

    include include using namespace std int main string s1 string s2 hello bite string s3 s2 1 for循环 for size t i 0 i lt s2
  • JUC学习系列十一(并发类容器)

    首先了解一下并发类容器和同步类容器的概念 以及这两类的区别 一 同步类容器 同步类容器都是线程安全的 但在某些场景下可能需要加锁来保护复合操作 复合类操作如 迭代 反复访问元素 遍历完容器中的所有元素 跳转 根据指定的顺序找到当前元素的下一
  • Android——WebView控件访问网页

    目录 一 WebView 1 基本使用 2 最简单的demo 3 注意 二 小练手 1 EditView补充内容 2 案例 一 WebView Webview 是一个基于webkit的引擎 可以解析DOM 元素 展示html页面的控件 我们
  • 前端基础,超全html常用标签大汇总

    标签 整个html文件都会放在html标签里面 标签 表示网页的头部信息 一般是为浏览器提供对应的网站需要的相关信息 浏览器中是不会显示的 比如 标题title 引入css 字符编码等 但是title标题会在浏览器的标题栏显示 标签 里面的
  • 服务器中毒怎么办,如何防御?

    数据中心在为用户提供服务器空间和网络服务时 往往也会为用户提供日常维护服务 用户在服务器运行使用中会突然就发现自己的服务器存在中毒和疑似中毒的现象 那么如何进行中毒行为的排查和清理 为用户提供日常维护服务的过程中经常听到用户抱怨自己使用的服
  • uniapp 选择地址

    uni getLocation OBJECT uni app官网 wx getSetting success res gt if res authSetting scope userLocation wx authorize scope s
  • 【Node】Deepin和Centos 简单快速安装Node和npm和pnpm

    1 deepin 进行安装 安装npm sudo apt install npm 安装node sudo npm install g n 升级node到稳定版 sudo n stable 升级到最新版 sudo n latest 升级npm
  • Databend Cloud 入选中国信通院《云原生产品目录》

    近日 在中国信通院召开的云原生产业大会上 正式发布了 2022 年度首批 云原生产品目录 Databend Cloud 产品成功入选 云原生产品目录 中国信通院为解决云原生用户选型困境 全面拉齐行业认知 推动云原生产业蓬勃发展 而发起 征集
  • pip install 安装路径的修改

    一般我们需要安装第三方库的时候 都是进入cmd中用pip命令来进行安装 安装各类包 但是默认安装路径在C盘 极大占用空间 下面我们就来修改一下默认的安装路径 1 查看pip默认的安装路径 打开命令提示符 win r 输入cmd 输入命令如下
  • 全国计算机二级WPS Office题库(四)

    根据最新考试大纲要求 结合近年来考试真题的重难点进行汇编整理组成的全真模拟试题 考生们可以根据文章进行专项训练 查漏补缺巩固知识点 我们对热点考题和重难点题目都进行了仔细的整理和编辑 相信考生在经过了针对性的刷题联系后 对于考试内容会更加有
  • tensorflow-gpu版本安装教程(过程详细)

    准备工作 在开始安装前 如果你的电脑装过tensorflow 请先把他们卸载干净 包括依赖的包 tensorflow estimator tensorboard tensorflow keras applications keras pre