tensorflow gpu环境安装

原创已于 2023-04-17 15:15:11 修改 · 987 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow

于 2023-02-15 16:09:35 首次发布

tensorflow2.x 专栏收录该内容

39 篇文章

订阅专栏

本文指导如何检查CUDA版本，修改conda配置源，安装特定版本的CUDA工具包、cuDNN以及TensorFlow-GPU。通过conda和pip安装后，验证了在Python环境中GPU设备已被成功识别。

部署运行你感兴趣的模型镜像

查看本电脑支持的最高cuda版本：nvidia-smi

在~/.condarc修改conda 源：

show_channel_urls: true
ssl_verify: false
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - defaults

#如下命令可以查看cudnn8的各个子版本与cuda版本的关系：conda search cudnn=8 --info

conda create -n tensorflow_gpu3 python=3.7 cudnn=7.6.5.32 cudatoolkit=10.2.89

conda activate tensorflow_gpu3

pip install tensorflow-gpu==2.11.0

验证是否安装成功

进入python环境：

import tensorflow as tf

tf.config.list_physical_devices('GPU')

您可能感兴趣的与本文相关的镜像