Python 官方文档:入门教程 => 点击学习
1.Tensorflow-gpu版和tensorflow-cpu版的区别 tensorflow-gpu版需要同时配置安装CUDA、cuDNN,而tensorflow-cpu版不需要配置,直接pip/c
pip/conda install tensorflow
即可安装tensorflow-cpu版本conda create -n tensorflow python=3.7
,创建一个tensorflow的虚拟环境 ,这样做的主要目的是保证tensorflow-gpu这个库不受其它库的影响,比如同时安装tensorflow-gpu与PyTorch-gpu,或者同时安装不同版本的tensorflow-gpu,由于不同库或不同版本的gpu库需要配置的CUDA、cuDNN不同,导致即使都安装在base环境里,由于CUDA、cuDNN不适配,也仅能用一个gpu库,因此用到什么gpu库就单独的创建这个库的虚拟环境,这样你就不需要动之前环境中的CUDA、cuDNN,只需要在新的环境中重新配置这个新库的专属CUDA、cuDNN就OK了,只需要切换虚拟环境,这两个都能用。在安装完毕后,使用Win+R调出cmd,输入conda -V
,可以看到Anaconda的版本号,即为Anaconda安装成功!
具体过程可点击参考该视频
在cmd中输入conda config --set show_channel_urls yes
在C盘用户目录下会生成.condarc文件。
然后使用记事本打开,用下面的内容将其替换。
channels: - defaultsshow_channel_urls: truechannel_alias: https://mirror.tuna.tsinghua.edu.cn/anacondadefault_channels: - Https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/free - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/pro - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2custom_channels: conda-forge: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
最后保存,然后在CMD中输入conda clean -i
,此时Anaconda已经换源成功!
接着是Python换源,在CMD中输入
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
即可换源成功!
参考该篇博客
在安装Tensorflow-gpu之前,需要安装CUDA和cuDNN等。对于Tensorflow的gpu版本最重要的是CUDA、cuDNN、Tensorflow版本的搭配。
下面给出GPU版本的版本搭配:
具体参照该篇博客
使用Anaconda来创建环境,这里环境名称命名为tensorflow,在CMD中输入conda create -n tensorflow python=3.7
,输入y进行确认
(1)先在CMD中输入activate tensorflow
以激活环境
(2)输入conda install cudatoolkit=10.1
,安装cudatoolkit(CUDA)(在我们的具体使用中,其实真正需要的并不是整个CUDA,而是cudatoolkit,所以我们在这里直接安装cudatoolkit,不需要再下载3个多G的CUDA来本地安装。)
(3)在激活的环境里输入conda install cudnn=7.6
,安装 cuDNN
(4)在激活环境中输入pip install tensorflow-gpu==2.1.0
,安装2.1.0版本 tensorflow-gpu
至此,Tensorflow的GPU版本已经安装成功,现在需要测试在激活环境中输入python
以进入python环境。然后输入import tensorflow as tf
可见如下:
再输入tf.test.is_gpu_available()
,若最后为True表示GPU可用,证明已经成功安装Tensorflow的GPU版本
但是该过程可能会出现:TypeError: Descriptors cannot not be created directly. If this call came from a _pb2.py file……
这个问题,如果出现采用Step7.
(1)打开CMD输入activate tensorflow
进入激活环境
(2)在激活环境中输入pip uninstall protobuf
(3)继续输入pip install protobuf==3.20.1
即可完美解决问题,重新测试,即可成功!
来源地址:https://blog.csdn.net/sunshine_boy1/article/details/129923839
--结束END--
本文标题: tensorflow-gpu安装100%成功(tensorflow-gpu版和tensorflow-cpu版的区别、为什么要创建虚拟环境、如何同时使用两个gpu库、tensorflow-gpu版安装)
本文链接: https://www.lsjlt.com/news/396891.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑,方便收藏和打印~
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
0