【安装】Tensorflow GPU版本安装笔记

总结下来就是三行命令

在执行下面三行命令之前确保开发机器满足下面的条件

conda install cudatoolkit=10.1
conda install cudnn=7.6.5
pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple/

安装环境要求

  • OS
Ubuntu16.04+
Windows7+
macOS10.12.6(Sierra)+
Raspbian9.0+
  • Python版本要求
Python3.5-3.7
  • Windows用户需安装VC
    VC安装链接
    点击上面文字自动跳转到下载页面,下载完成之后运行,重启生效。
https://support.microsoft.com/zh-cn/help/2977003/the-latest-supported-visual-c-downloads

安装GPU版本必须有GPU 硬件的支持

  • 显卡
    tensorflow对于GPU算力有一定的要求
    对于 NVIDIA 显卡,要求其 CUDA Compute Capability 须不低于 3.5。 算力参考: https://developer.nvidia.com/cuda-gpus
    我的显卡是英伟达GeForce MX150 支撑CUDA,显卡算力:GeForce MX150 computeCapability: 6.1
    在这里插入图片描述
  • 驱动版本
    NVIDIA驱动程序需 418.x 或更高 版本。
    可在命令行中执行查看驱动版本: nvidia-smi

CUDA对应的NVIDIA驱动版本对照表

在这里插入图片描述
参看对照表,可在命令行中执行查看驱动版本: nvidia-smi查看本机的驱动版本看其是否满足需要安装的cuda版本要求
点击查看

  • CUDA版本
    GPU版本有两个依赖库,对于 tensorflow2.3来讲 CUDA的版本需要是 10.1
conda install cudatoolkit=10.1
  • cudnn版本
    cudnn版本号需要不小于 7.6
conda install cudnn=7.6.5
  • 最后执行安装tensorflow2.3的命令
pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple/

大功告成!

验证tensorflow-gpu是否安装成功

import tensorflow as tf
print(tf.test.is_gpu_available())

返回 True就表明安装成功,关于Tensorflow安装信息的查看请点击这篇文章《【琐碎】查看tensorflow安装版本、位置信息及是GPU版本还是CPU版本

相关博文:

Tensorflow CPU版本安装笔记》点击查看

参考
CUDA对应的NVIDIA驱动版本对照表
先收藏 有时间再看

  • https://blog.youkuaiyun.com/qq_27825451/article/details/89082978
  • https://blog.youkuaiyun.com/gangeqian2/article/details/79358543?utm_medium=distribute.pc_relevant_t0.none-task-blog-OPENSEARCH-1.control&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-OPENSEARCH-1.control
### 如何在笔记本电脑上安装 TensorFlow GPU 版本 #### 准备工作 为了成功安装 TensorFlowGPU 版本,需要确保以下几个条件满足: - 笔记本电脑配备 NVIDIA 显卡并支持 CUDA 计算。 - 已经安装适合的 NVIDIA 驱动程序[^2]。 #### 使用 Anaconda 进行安装 推荐通过 Anaconda 来管理 Python 环境以及依赖项。这种方法能够简化安装过程,并减少手动配置 CUDA 和 cuDNN 所带来的麻烦[^2]。 1. **创建一个新的 Conda 环境** 创建一个专门用于 TensorFlow 的虚拟环境是一个良好的实践方式,这样可以避免不同项目之间的依赖冲突。 ```bash conda create -n tf_gpu python=3.9 ``` 2. **激活该环境** 在继续之前,请先激活刚刚创建的新环境。 ```bash conda activate tf_gpu ``` 3. **安装 TensorFlow GPU 支持包** 推荐直接使用 `tensorflow` 命令来完成安装,Conda 将会自动解决所有必要的依赖关系,包括合适的 CUDA toolkit 和 cuDNN 库版本。 ```bash conda install tensorflow-gpu ``` 或者如果特定于某个版本的话(比如针对 Windows 上仅能支持至 Tensorflow 2.10),则可指定版本号: ```bash pip install tensorflow==2.10.0 ``` 4. **验证安装是否成功** 可以运行一段简单的测试代码确认 TensorFlow 是否正确识别到了 GPU 设备。 ```python import tensorflow as tf gpus = tf.config.list_physical_devices('GPU') if gpus: try: # 设置内存增长模式以防分配过多显存引发错误 for gpu in gpus: tf.config.experimental.set_memory_growth(gpu, True) logical_gpus = tf.config.list_logical_devices('GPU') print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPUs") except RuntimeError as e: print(e) print(tf.__version__) ``` #### 替代方案:手动安装 CUDA 和 cuDNN 对于某些特殊情况或者更老的操作系统/硬件组合来说,可能需要采取更加细致的手工步骤来进行安装1. 下载对应版本CUDA Toolkit 并按照官方文档指导完成安装流程[^3]; 2. 获取相应版本的 cuDNN 文件并将它们放置到正确的路径下[^4]; 3. 更新系统的 PATH 环境变量以便操作系统能找到这些库的位置; 4. 最后再利用 Pip 或者其他工具单独下载 TensorFlow 包本身。 ---
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