tensorflow 2.x CPU/GPU安装攻略

tensorflow 2.x CPU/GPU安装攻略

首先的首先,需要解决一个疑问,tensorflow2.x通过pip install是不需要装什么tensorflow-gpu的,只装一个tensorflow即可

进入tensorflow官网安装页面,看到提供最新的安装方式pip install tensorflow,然而,用这个方式下载的版本是最新的(笔者此时是2.4.0),同时根据官网提示,不同tensorflow版本对应不同版本的cuDNN和CUDA。所以要选择相应的安装。
https://tensorflow.google.cn/install/source_windows
在这里插入图片描述
由于,笔者此前安装过pytorch,也配置了GPU,安装的是CUDA10.1,所以选择了tensorflow2.3.0版本安装。

pip install tensorflow==2.3.0

Tensorflow GPU使用的相同软件CUDA和cuDNN

ps. 几乎一样的pytorch的GPU配置(CUDA+cuDNN) https://codingchaozhang.blog.youkuaiyun.com/article/details/99688839

  • 查看NVIDIA显卡支持的cuda版
### TensorFlow 2.x 安装教程 #### 使用 Docker 安装 TensorFlow 2.x 对于希望简化环境配置过程的用户来说,使用 Docker 是一种高效的方法。通过选择合适的镜像标签可以轻松指定所需的具体版本和硬件支持类型[^2]。 - **镜像标签选项** - `latest`: 提供最新的稳定版 CPU 版本。 - `nightly`: 不稳定的每日构建版本。 - `version` (例如, `2.1.0`): 明确指出要使用的特定版本号。 - `devel`: 针对开发者提供的夜间构建开发环境。 - `custom-op`: 实验性质的支持自定义操作开发的图像。 为了确保兼容性和稳定性,建议初学者选用带有具体版本号的官方发布版本作为起点。 #### Windows 11 下安装 TensorFlow 2.x 的注意事项 当尝试在较新的操作系统如 Windows 11 上安装 TensorFlow 2.x 时,可能会遇到一些挑战。如果直接利用 pip 工具执行默认安装指令 (`pip install tensorflow`) 而遭遇错误提示,则可能是因为所选 Python 或者其他依赖库版本不匹配所致[^4]。 针对此类情况的一个解决方案是在命令前加上 `-U` 参数强制更新至最新可用版本: ```bash pip install -U tensorflow ``` 另外也可以考虑创建虚拟环境来进行隔离化的软件包管理,从而减少潜在冲突的可能性。 #### GPU 支持设置 若计划充分利用 NVIDIA 图形处理器加速计算性能,则需额外准备 CUDA Toolkit 和 cuDNN 库,并确认其与目标 TensorFlow 发布版本之间的适配关系[^1]。 完成上述准备工作之后再继续按照官方文档指引逐步推进即可顺利完成整个部署流程。
评论 1
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