【AI学习笔记】TensorFlow GPU版本的安装(超详细)

这篇具有很好参考价值的文章主要介绍了【AI学习笔记】TensorFlow GPU版本的安装(超详细)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1. 确认显卡是否支持CUDA

在安装之前,首先我们要确认现有的或预定要采购的独立显卡是否支持CUDA,具体操作如下:

  1. 查看支持CUDA的显卡,如下图:
    具体可到网站 https://developer.nvidia.com/cuda-gpus 查询。

【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  1. 查看显卡
    打开任务管理器(Ctrl+Shift+Esc)——>“性能”——>点击“GPU”,即可查看显卡名称(下图右上角)

    有了显卡名称就可以参考上图进行对照,查看是否支持CUDA。
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

2. 安装CUDA

当我们确认系统已经安装了支持CUDA的显卡之后,就可以安装CUDA了,具体步骤如下:

  1. 下载并安装CUDA
    NVIDIA官网下载CUDA:https://developer.nvidia.com/cuda-downloads
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)
    注:Installer Type 两种安装方式的区别:
    ·exe(network):下载时文件比较小,后续执行安装时再下载其余部分。
    ·exe(local):下载时完整下载,后续执行安装时就不需要下载了。

  2. 设置解压缩安装程序的暂存目录
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)
    等待
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  3. 同意协议并继续
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  4. 选择精简安装
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  5. 警告未安装 Visual Studio
    CUDA 可以用 Visual Studio 开发。该界面警告未安装 Visual Studio。
    由于我们后续使用Python来开发,所以不需要安装 Visual Studio。
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  6. 下载 CUDA 界面
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  7. 确认安装
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  8. 安装完成
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

3. 安装cuDNN

然后就是安装cuDNN,具体如下:

3.1 安装 cudnn

  1. 下载 cuDNN
    NVIDIA官网下载cuDNN:https://developer.nvidia.com/cudnn 。
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  2. 加入会员
    下载cuDNN必须先成为加速计算机开发者计划的会员。
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  3. 进入下载页面
    加入会员并且登录后,进入下载页面。
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  4. 查看下载后的文件
    下载后的文件 是一个ZIP压缩文件,在Windows10中可直接解压并打开。
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)
    将其改名为“cuda”
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)
    ·然后将cuda放置一个合适的位置,如果不知道怎么放可以参考步骤5

  5. 复制到其他目录
    这里我直接将cuda放置在了我的D盘中的一个目录下。
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  6. 查看cudnn64_8.dll
    在D:\CS\Code\Jupyter\cuda\bin中(即 …/cuda/bin目录中)可以看到cudnn64_8.dll。这是动态链接程序库,其他程序会通过此链接库来使用cuDNN的功能。
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

3.2 将cudnn64_8.dll存放的位置加入Path环境变量

为了让 Windows 系统知道所安装 cuDNN 的目录,必须设置Path环境变量,这样其他程序才能通过这个设置来存取 cudnn64_8.dll

  1. 打开系统环境变量
    首先点击“设置”,然后进行以下操作:
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  2. 编辑环境变量中的用户变量
    在Path环境变量中加入“D:\CS\Code\Jupyter\cuda\bin”(即cudnn64_8.dll的安装目录)
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

【AI学习笔记】TensorFlow GPU版本的安装(超详细)

4. 安装TensorFlow GPU版本

4.1 在Anaconda建立TensorFlow GPU虚拟环境

  1. 重新启动 “命令提示符” 程序,并切换到工作目录。
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

  2. 在 Anaconda 建立 TensorFlow GPU 虚拟环境
    ·创建命令:conda create --name tensorflow-gpu python=3.9 anaconda
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

    按 y 键之后,就会开始安装Anaconda 虚拟环境,并且安装各个软件包。安装完成后屏幕显示界面如下:
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

命令 说明
conda create 建立虚拟环境
–name tensorflow-gpu 虚拟环境的名称是tensorflow-gpu
python=3.9 Python版本是3.9
anaconda 加入此命令选项,建立虚拟环境时,也会同时安装其他Python软件包,例如 Jupyter Notebook、Numpy、SciPy、Matplotlib、Pandas,用于进行数据分析
  1. 启用TensorFlow GPU 虚拟环境
    ·启动 Anaconda 虚拟环境:activate tensorflow-gpu
    【AI学习笔记】TensorFlow GPU版本的安装(超详细)

4.2 安装Tensorflow-gpu

接下来,在TensorFlow GPU 虚拟环境中安装TensorFlow GPU版本
·安装命令:pip install tensorflow-gpu
【AI学习笔记】TensorFlow GPU版本的安装(超详细)

4.3 安装Keras

然后是安装Keras
·安装命令:pip install keras
【AI学习笔记】TensorFlow GPU版本的安装(超详细)

总结

在本篇我们主要介绍了如何安装CUDA、cuDNN,建立了TensorFlow GPU虚拟环境,并且在虚拟环境下安装了TensorFlow GPU版本与Keras。

补充:
如果第4步:安装TensorFlow GPU版本不太理解,可以参考TensorFlow CPU版本在Anaconda 虚拟环境中的安装。
具体可参考:【AI学习笔记】TensorFlow 与 Keras的安装(Windows Anaconda 虚拟环境版)

对于在TensorFlow GPU虚拟环境中测试GPU的强大功能,我将在后续持续更新。文章来源地址https://www.toymoban.com/news/detail-448280.html

到了这里,关于【AI学习笔记】TensorFlow GPU版本的安装(超详细)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装

    需要事先安装较新版本的 cuda 和cudnn ,例如11.8 + 8.8 在已经安装过cuda的机器上安装新版cuda sdk 和 cudnn 可参考前述: ubuntu 安装 多版本 cuda 11.4 11.8_Eloudy的博客-CSDN博客 一,安装python3 和 pip3 二,安装 cpu版本的 jax 和 jaxlib      使用pip官方源安装 jax:       使用pip清华源安装

    2024年02月06日
    浏览(43)
  • 苹果mac m1,m2芯片安装 pytorch和tensorflow的GPU版本

    1.安装 Xcode 2.创建环境 3.打开pytorch官网复制命令, 注意:在mac m上,device是’mps’ 而不是’cuda’, mac的MPS支持MacOS 12.3+  4.测试 1.安装 Xcode 2.创建环境 3. 安装conda install -c apple tensorflow-deps  4.Install base TensorFlow 5.  Install tensorflow-metal plug-in  6.验证 7.完成,附上我安装完pytorch和

    2024年02月13日
    浏览(57)
  • 【1】如何安装和卸载tensorflow-CPU和GPU各版本-简单清晰版

    学习随笔,权作记录。 打开Anaconda prompt(Anaconda3) 检查当前环境下python的版本 根据python的版本,创建虚拟环境pachong 按“y”,再按回车即可。 输入conda info -e,查看全部的环境,可以看到pachong环境已经创建完成。 在base环境下输入conda activate pachong,即可进入pachong环境 讲镜

    2023年04月18日
    浏览(34)
  • 【精简】2023年最新Windows安装GPU版本的tensorflow(含bug记录及解决)

    1、cmd进入命令行,输入: -n:自定义的虚拟环境名,我的虚拟环境为py38; 后选定python版本,选择python 3.8; 1、激活已创建好的虚拟环境,命令行输入: 2、命令一:用于检查当前的cuda版本号 3、命令二:用于检查当前的cudnn版本号 1、选择最终的cuda和cudnn搭配组合: 同时,G

    2023年04月16日
    浏览(31)
  • CUDA 11.7 版本下安装Tensorflow-gpu以及Keras (Windows以及Ubuntu)

    ​ 记录:在复现论文代码时碰到使用keras环境,于是在自己windows系统的台式机(RTX 3080;CUDA 11.7)上进行了安装,但是发现台式机的显存无法支持程序的运行。于是将一摸一样的环境配置到更大现存的Ubuntu服务器(CUDA 11.7)上,但配置环境出错,一直无法调用GPU。经过一天的

    2024年02月01日
    浏览(60)
  • 【1】如何安装和卸载tensorflow-CPU和GPU各版本-可能不快的但是简单版

    学习随笔,权作记录。 打开Anaconda prompt(Anaconda3) 检查当前环境下python的版本 根据python的版本,创建虚拟环境pachong 按“y”,再按回车即可。 输入conda info -e,查看全部的环境,可以看到pachong环境已经创建完成。 在base环境下输入conda activate pachong,即可进入pachong环境 讲镜

    2023年04月08日
    浏览(35)
  • 十分钟安装Tensorflow-gpu2.6.0+CUDA12 以及numpy+matplotlib各包版本协调问题

    换了台机器,又装Tensorflow,记得我第一次装的时候装了好几天,而今天只用了十分钟就搞定了,因为这个方法只用在终端操作,不用去英伟达官网下载包,刷刷刷的贼快,只是后面去找版本的对应问题了又花了些时间 为了高效下载,建议先把默认源换了,很简单这里不再赘

    2024年02月04日
    浏览(49)
  • Windows安装GPU环境CUDA、深度学习框架Tensorflow和Pytorch

    Windows安装GPU环境CUDA、深度学习框架Tensorflow和Pytorch 首先需要安装GPU环境,包括cuda和cudnn。 深度学习本质上就是训练深度卷积神经网络。 cuda:显卡能够完成并行计算任务,所有的操作是比较底层的、复杂的。 cudnn:在cuda之上有一个专门用于深度神经网络的SDK库来加速完成相

    2023年04月26日
    浏览(55)
  • Win11笔记本电脑RTX4080显卡安装Tensorflow-GPU2.6.0方法步骤

    Tensorflow是当前主流的深度学习框架,是深度学习方向从业者和研究生的生产力工具,我在本科参加学科竞赛期间曾经安装过tensorflow1.12版本和对应的keras2.2版本,相对来说,keras提供了较多调用tensorflow的API,这极大地减轻了工作量,而新版的tensorflow2.0及以上版本自带keras,无

    2024年02月14日
    浏览(62)
  • GPU版本PyTorch详细安装教程

    目录 一、安装显卡驱动 1、查看显卡驱动型号 2、下载显卡驱动 3、查看GPU状态 二、安装Visual Studio 2019 三、安装CUDA 1、下载对应版本的CUDA 2、安装下载好的CUDA 3、设置环境变量  四、安装cudnn 五、安装anaconda 六、安装PyTorch 1、创建虚拟环境 2、激活并进入虚拟环境 3、安装Py

    2024年02月01日
    浏览(52)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包