安装keras后能够用GPU运行

网络上有很多办法,以前的anaconda低版本不存在这个问题,现在估计是高版本的问题,我的办法是:

1、先用conda install tensorflow-gpu==1.8.0

2、由于我安装的是低版本的tf,所以在安装keras==2.2时要注意务必用pip install keras==2.2

安装pip install opencv-python

安装conda install scikit-learn

安装conda install scikit-image

 

3、如果用conda 安装keras会导致使用不了GPU,然后我在一个博客里面看到解释,说是不能在tf-gpu下再有tf,而我在用conda安装keras时发现附带上了tf的CPU版本,所以我改了安装的命令,发现成功了

4、查看GPU是否有用https://blog.youkuaiyun.com/qq_33182424/article/details/106080243

5、如果你有安装graphviz,这个还是用conda安装好,如果用pip会出现一堆配置错误

6、https://blog.youkuaiyun.com/qq_42679415/article/details/106909710,这个是提示我数据float不对

### Keras GPU 安装教程 #### 准备工作 为了确保能够顺利安装运行基于GPUKeras环境,需确认计算机配备有兼容的NVIDIA GeForce系列或其他适用型号的显卡[^3]。 #### 创建独立环境 建议创建一个新的Conda虚拟环境来管理依赖项。这有助于避免不同库之间的冲突,并保持项目的整洁有序。 ```bash mamba create -n keras-gpu python=3.8 conda activate keras-gpu ``` #### TensorFlow-GPU安装 对于TensorFlow 2.x 版本而言,其内部已集成GPU支持功能,因此无需单独安装keras-gpu包。仅需通过pip工具安装特定版本的`tensorflow-gpu`即可获得完整的框架支持,例如: ```bash pip install tensorflow_gpu==2.4.0 ``` 此操作会自动拉取必要的CUDA和cuDNN驱动程序以及配置相应的环境变量设置[^2]。 #### 额外依赖组件安装 除了核心库之外,还需安装一些辅助性的Python模块以便更好地利用图形化界面展示模型结构等功能特性。这些可以通过Mamba快速完成部署: ```bash mamba install h5py graphviz pydot ``` #### CUDA 工具集手动调整 (可选) 如果遇到任何与CUDA相关的错误提示,则可能需要按照官方文档指导,将预编译好的CUDA动态链接库放置于指定路径下以供调用[^4]。 #### 解决常见问题 当面对某些具体版本间的适配难题时,比如protobuf或zlib等底层库引发的问题,可以根据报错信息针对性地降级或升级相关软件包至稳定状态。例如针对protobuf v3.19.0版本的需求可通过如下指令实现: ```bash pip install protobuf==3.19.0 ```
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