tensorflow-gpu版本环境安装及测试

本文详细介绍如何在特定配置环境下安装TensorFlow GPU版本的过程。包括版本校对、软件安装及测试步骤,确保GPU版本正常运行。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


时隔多年,笔者更换了笔记本,并且做实验时发现cpu运算速度较慢,接着更博。


在保证tensorflow基本环境没问题下,进行tf-gpu版本安装。

step1- 版本校对

要确定英伟达图形驱动与cuda版本对应:在这里插入图片描述
来源:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

要确定tensorflow与cuda、cuDNN版本对应:在这里插入图片描述
来源:https://tensorflow.google.cn/install/source_windows

在这里,笔者选择tensorflow-2.1、tensorflow-gpu-2.1、英伟达显卡驱动为425.31、cuda-10.1

资源

CUDA10.1
链接:https://pan.baidu.com/s/1BKZ7Q1vtZumW6MWmwIvbwA
提取码:pwt2
CUDNN10.1
链接:https://pan.baidu.com/s/1gu-SUmtAMGVNArUgIqJaKg
提取码:l583

step2-安装软件

在安装好所有对应版本的软件后,使用nividia -smi显示显卡状态,其中process表中,显示not supported。应该是本子显卡不被支持了,笔者并不想降低tf版本。

1.英伟达显卡驱动

下载地址:
https://www.nvidia.cn/Download/index.aspx?lang=cn

2.CUDA

cuda各版本下载地址:
https://developer.nvidia.com/cuda-toolkit-archive

3.CUDNN

下载地址:
https://developer.nvidia.com/rdp/cudnn-archive
下载cudnn并解压后,将文件放入cuda相应文件中。

在这里,笔者选择tensorflow-2.3、tensorflow-gpu-2.3、英伟达显卡驱动为457、cuda-10.1、cudnn8.0.2

step-3 安装tf gpu 2.3.0

激活安装环境

pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple

step-4测试

下载完后我们进行测试tensorflow的GPU版本是否安装成功
输入ipython进入ipython交互式终端,再输入命令

import tensorflow as tf 

没有报错继续输入,测试GPU是否可用

tf.test.is_gpu_available()

不错的参考网络资源

https://blog.youkuaiyun.com/qq_37112826/article/details/109326195

晚点补测试

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值