30系显卡配置tensorflow1.x环境

最新推荐文章于 2024-05-09 16:39:24 发布
最新推荐文章于 2024-05-09 16:39:24 发布
阅读量5.7k 收藏 29
点赞数 2
分类专栏： python 深度学习 人工智能 框架搭建 linux 文章标签： tensorflow 深度学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_39632866/article/details/121776117
版权

说明：
nvidia 30系显卡仅支持cuda11.0及以上版本，对应cudnn最低版本为8.0，tf版本为2.4.0
在win系统中无法实现30系显卡运行tf1的代码

该教程使用的环境如下：

  • Ubuntu20.04
  • 3060 显卡
  • cuda 11.1
  • cudnn 8.0.5
  • python 3.6
  • tensorflow 1.15
  • 其中 python 版本和 tensorflow 版本是固定的
  • 简陋的目录
  • 安装显卡驱动
  • 安装cuda
  • 安装cudnn
  • 安装python(直接略过，我使用的conda 里面创建了一个python3.6的虚拟环境)
  • 安装tensorflow1.15

安装 显卡驱动

# 依次执行以下命令
ubuntu-drivers devices		#查看电脑所需要的驱动
# 通过上述命令也可能返回为空什么都不显示，添加官方ppa的源，在更新以下
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo ubuntu-drivers autoinstall		#让其自动安装显卡驱动
#安装完成后通过nvdia-smi仍然无法查到显卡型号。重启一下。
#通过设置->软件更新->附加驱动里面查看选择相应的显卡驱动

安装 CUDA

  • 在nvidia官网下载相应cuda文件
  • cuda文件链接
  • 选择相应版本进行安装
    在这里插入图片描述
最低0.47元/天 解锁文章
RTX3070 Ubuntu18.04 tensorflow1.x环境搭建
suziguai的博客
03-25 955
记录ubuntu服务器加装RTX30系列显卡搭建tensorflow环境的过程 搭建深度学习环境，需要使用到的深度学习框架和显卡之间存在对应关系，但是很多网上找到的深度学习算法实现是基于低版本的框架代码实现的，由于tensorflow框架版本变动较大，算法工程师要求安装1.4版本的tensorflow，采购显卡时未考虑到兼容性问题，网上找了好多帖子，这里记录一下完整的过程。 具体的安装步骤分为： 安装cuda，cudnn 安装docker，nvidia docker2 拉取nvidia docker ru
搭载RTX3090显卡服务器配置tensorflow1.x项目的曲折经历
qq_73664776的博客
01-27 1578
事情起因是需要在服务器上跑代码，指导老师提供了学校的服务器，搭载两块RTX3090显卡，一开始按照需要跑的项目所需的配置文件配置环境： 发现在跑代码跑到模型训练部分的时候发生报错： 经过查阅资料发现，我们遇到此报错的原因是tensorflow1.x版本无法使用RTX30系列显卡进行GPU训练，如果对训练速度没有要求，按照以下代码禁用GPU可通过CPU训练解决报错： 但是服务器就在那里，不太可能因为一个项目换掉学校服务器的cuda和显卡版本，我参与的论
30系列显卡使用tensorflow1版本
JNash的博客
08-30 1063
我试了没有问题，但是我的vscode好像有点问题，py3.6没办法调试，只能上py3.8版本。自己挑选适合自己的版本以及下载安装即可。
win10 RTX30系列显卡 安装tensorflow-gpu 1.15
FortuneLegend的博客
07-24 3478
win10 30系列显卡 tensorflow-gpu 1.15 安装
30系/40系GPU使用TensorFlow1.x的方法
sir_chen的博客
05-09 3410
30系GPU使用TensorFlow1.x的方法
RTX3060无法运行tensorflow1.x
ITNoobie的博客
01-16 2566
RTX3060无法运行tensorflow1.x问题记录 问题记录 需要在RTX3060显卡上运行github上的代码，但是代码的tensorflow版本是1系列的，懒得改代码，所以想新创建一个环境。 查了一下： tensorflow1.x只能在cuda10.0及之前的显卡驱动上运行。 GeForce RTX 30系显卡目前是支持CUDA 11.1及以上版本，而Tensorflow 2.4及更高版本才支持CUDA 11。 所以这个RTX3060显卡只能装CUDA 11，对应 tensorflow只能是2.
关于RTX30系显卡安装tensorflow-gpu的问题
weixin_42240955的博客
12-22 2480
关于RTX30系显卡安装tensorflow-gpu的问题 之前按照网上的教程安装nightly版的tensorflow-gpu，但是总报错误，昨天重新配置了一个环境终于不报错了，跟大家分享一下。 环境 Win10+Python3.6+CUDA11.1+Cudnn8.0.4 安装 我首先用conda install pytorch torchvision cudatoolkit=11 -c pytorch-nightly来安装了最新的pytorch 然后在https://pypi.org/下载的tf_ni
anaconda3 安装 tensorflow1.x + tensorflow 2.x 步骤 （win10）
StevenLin的博客
06-30 3462
最近初学深度学习，原本是tensorflow 1.x 版本，找到应该pdf教程，用的是 2.x 版本，所以就试一下了。但是这个玩意儿挺麻烦，环境配置的时候遇到了很多坑，卸了装，装了卸，前前后后装了很多遍，报错也很多，足足折腾了两天多的时间，算是成功安装了，分享一下安装的步骤。 1. 安装anaconda3 首先安装anaconda3，这类教程很多了，不再赘述。 详细教程：Anaconda详细安装及使用教程 啰嗦一句，安装好了anaconda之后，为了让你的conda安装包的时候更好用，需要做以下两个事情。
Anaconda搭建TensorFlow2.x（win环境）
youlinhuanyan的博客
02-05 2701
Anaconda搭建TensorFlow开发环境
windows 30系显卡使用tensorflow1.x卡很久，或者不能使用gpu
cly0216的博客
11-14 665
今天重新配置Anconda环境发现不能复现了，之前用一个网上大佬提供的文件tensorflow-1.15.4+nv-cp37-cp37m-win_amd64.whl搞定的。今天弄了很久没有再次搞定，还是老老实实找到了原来的Anaconda虚拟环境，现在分享出来，希望不要重新体验这份痛苦。解压后放到Anaconda的envs路径下。
Ubuntu + RTX 30 series 安装 TensorFlow-GPU
zhy_27的博客
05-18 931
Ubuntu + RTX 30 series 安装 TensorFlow-GPU 在实验室服务器上安装TensorFlow遇到挺多坑，包括30系显卡适用的TensorFlow版本，以及如何在公用环境中配置自己的环境时不影响到别人，所以记录一下这些问题和解决方案。 GeForce RTX 30 series 显卡匹配的 TensorFlow 版本 RTX 30系显卡采用了新的Ampere架构，支持CUDA 11.1及以上版本。根据TensorFlow官网提供的对应关系，官方支持的版本中需要tensorfl
深度学习环境配置8——（30系显卡）windows下的torch==1.7.1环境配置
热门推荐
Bubbliiiing的学习小课堂
10-13 9万+
深度学习环境配置8——（30系显卡）windows下的torch==1.7.0环境配置注意事项一、2021/10/8更新学习前言环境内容环境配置一、Anaconda安装1、Anaconda的下载2、Anaconda的安装二、Cudnn和CUDA的下载和安装1、Cudnn和CUDA的下载2、Cudnn和CUDA的安装三、配置tensorflow2-gpu环境1、tensorflow2-gpu环境的创建与激活2、tensorflow2-gpu库的安装3、其它依赖库的安装4、安装较慢请注意换源四、安装VSCODE
30系显卡安装tensorflow-gpu1.15
weixin_46727896的博客
11-18 1371
安装TensorFlow-gpu1.15
ubuntu nvidia 显卡驱动，cuda tensorflow 的兼容性安装
qq_41997355的博客
06-29 291
软件平台： ubuntu 16.04.6 LTS 显卡：GTX1050 (感觉已经老掉牙了) 其实我一年前已经在ubuntu 里面安装了无数遍的NVIDIA 显卡，但是就是隔了一段时间过后又忘记了。然后又在网上疯狂地搜索问题，这样子不复用，对于我们写代码的人来说不高雅。所以在这篇文章里面可以进行记录我在ubuntu 安装 NVIDIA显卡的过程。 1、安装显卡。安装的过程比较稳定的是，先把...
win10下 使用tensorflow1调用rtx3060
hhh_huoluobo的博客
11-13 922
rtx30系列在Windows下不支持tensorflow1的使用，最开始安装tensorflow1试用时代码总是终止在某个地方。在不想安装双系统的情况下我找到了可以使用Windows rtx3060跑tensorflow1的方法。
Tensorflow安装
booze_的博客
07-14 1376
如果没有NVIDIA GPU执行,下面两步即可完成安装: 第一步，打开anaconda prompt命令行，安装tensorflow 未指定版本安装安装的是最新版本的tensorflow。 第二步，安装所需其他包： 搞定！查看NVIDIA驱动版本,打开终端输入 查看驱动情况。 GPU版本有两个依赖库Cudatoolkit 和Cudnn当我们使用conda安装的时候，它会自动帮助我门安装这两个辅助库，所以不用操心。 检查NVIDIA驱动版本满足要求后，执行下面两步即可完成安装： 第一步 执行TensorFl
人工智能- windows10环境，配rtx 3060ti显卡，tensorflow-gpu安装
lidashent的博客
02-25 2094
win10安装tensorflow-gpu，3060TI显卡，资料全部免费下载打包
30天从入门到精通TensorFlow1.x第一天，如何创建张量
争渡的博客
06-01 1万+
TensorFlow 是一个由 Google 开发的开源机器学习框架，可以用于构建各种类型的人工智能应用程序，例如图像识别、语音识别、自然语言处理等。它通过数据流图的方式来描述计算任务，使得开发者可以轻松地搭建和训练各种复杂的模型。TensorFlow支持分布式计算，可以在多个CPU或GPU上运行，从而加快模型的训练速度。同时，TensorFlow 社区也提供了丰富的文档和示例代码，方便开发者学习和使用。张量是tf进行计算的基本元素和基本数据结构，基本上我们只用弄清楚这一个数据结构就能熟练使用tf。张量。
mask—rcnn+TensorFlow+Keras环境配置和代码修改跑通
qq_65356682的博客
08-11 626
出bug是一件令人头疼的事情，有时候一个接一个都找不过来，所以环境配置是作为玩算法的兄弟们是重中之重
40系列显卡配置tensorflow
最新发布
03-19
<think>好的，用户想在40系列显卡上安装和配置TensorFlow。首先，我需要回忆一下相关的引用内容。引用[2]提到，40系显卡用户安装了TensorFlow 2.10.0，但遇到了CUDA版本的问题，因为40系需要CUDA 12，而TensorFlow的旧版本可能不支持。引用[3]和[4]则讨论了30系列显卡安装TensorFlow 1.15的问题，但用户现在面对的是40系列，可能需要不同的方法。 首先，确定TensorFlow版本是否支持40系列显卡。根据引用[2]，用户可能需要使用较新的TensorFlow版本，如2.10.0，但安装过程中遇到了CUDA兼容性问题。因为40系显卡需要CUDA 12，而很多旧版TensorFlow可能只支持到CUDA 11.x。所以可能需要寻找支持CUDA 12的TensorFlow版本，或者使用替代方案。 接下来，检查NVIDIA官方文档是否有支持CUDA 12的TensorFlow版本。根据引用[4]，可能需要使用特定的pip包或从源码编译。不过用户可能希望避免复杂的编译过程，所以寻找预编译的版本更实际。 另外，引用[2]提到用户尝试安装TensorFlow 2.10.0，但CUDA 12可能不被官方支持。这时候可能需要使用NVIDIA提供的额外资源，比如调整CUDA版本或使用兼容层。或者，用户可能需要安装CUDA 11.8，并搭配对应的cuDNN版本，尽管这可能需要降级显卡驱动，但40系显卡可能不支持旧的CUDA版本，这需要进一步验证。 可能的步骤包括：安装CUDA 12.2，cuDNN 8.9，然后安装TensorFlow 2.13或更高版本，这些版本可能原生支持CUDA 12。如果官方尚未发布支持CUDA 12的TensorFlow，可能需要使用NVIDIA的Docker镜像，如引用[4]中提到的NGC TensorFlow容器，这些可能已经配置好了对40系显卡的支持。 此外，用户可能需要安装特定版本的Python，例如Python 3.10或3.11，因为TensorFlow版本对Python的支持也有要求。同时，确保显卡驱动是最新的，至少支持CUDA 12.2。 最后，验证安装是否成功，通过运行简单的TensorFlow代码检查GPU是否被识别。如果遇到问题，可能需要检查环境变量，如PATH和LD_LIBRARY_PATH，确保CUDA和cuDNN的路径正确。 总结步骤：安装最新显卡驱动，安装CUDA 12.2，安装cuDNN 8.9，创建虚拟环境，安装TensorFlow 2.13+，验证安装。如果官方版本不支持，考虑使用NGC容器或从源码编译。</think>### 在40系列显卡上安装和配置TensorFlow的步骤 #### 1. 硬件与驱动要求 - **显卡驱动**: 安装NVIDIA最新驱动（需支持CUDA 12.2+），建议通过[NVIDIA官网](https://www.nvidia.com/Download/index.aspx)下载安装[^2]。 - **显卡型号**: 确保显卡为RTX 40系列（如4090、4080等）。 #### 2. 安装CUDA和cuDNN - **CUDA 12.2**: 40系列显卡需使用CUDA 12.x版本，从[NVIDIA CUDA Toolkit](https://developer.nvidia.com/cuda-toolkit-archive)下载安装。 - **cuDNN 8.9**: 下载与CUDA 12.2匹配的cuDNN版本，并解压到CUDA安装目录[^3]。 #### 3. 配置Python环境 - 建议使用`conda`或`venv`创建虚拟环境（Python 3.10/3.11）： ```bash conda create -n tf_env python=3.11 conda activate tf_env ``` #### 4. 安装TensorFlow - **官方版本**: TensorFlow 2.13+原生支持CUDA 12.2，直接安装： ```bash pip install tensorflow[and-cuda] ``` - **手动指定版本**: 若需特定版本，尝试： ```bash pip install tensorflow==2.13.0 --extra-index-url https://pypi.nvidia.com ``` 部分版本可能需要NVIDIA提供的定制包[^4]。 #### 5. 验证安装 运行以下代码检查GPU是否识别： ```python import tensorflow as tf print(tf.config.list_physical_devices('GPU')) ``` 若输出包含GPU信息，则配置成功。 #### 6. 替代方案 - **NVIDIA NGC容器**: 使用预配置的Docker镜像（支持CUDA 12.x）： ```bash docker pull nvcr.io/nvidia/tensorflow:23.07-tf2-py3 ``` - **源码编译**: 从TensorFlow源码编译支持CUDA 12.x的版本（复杂且耗时）[^4]。 --- ### 关键问题与解决 - **CUDA版本冲突**：40系列显卡需CUDA 12.x，但TensorFlow旧版本（如1.x）仅支持CUDA 11.x，因此无法兼容。需使用TensorFlow 2.13+[^4]。 - **驱动兼容性**：若安装CUDA 12.x后驱动异常，需回退驱动版本或更新至最新稳定版。 ---
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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