安装tensorflow-gpu

最新推荐文章于 2024-12-31 10:01:29 发布

原创最新推荐文章于 2024-12-31 10:01:29 发布 · 2k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #tensorflow #cuda #gpu #python

本文详细介绍了安装TensorFlow-GPU的过程及注意事项，包括检查显卡CUDA支持情况、确保驱动与CUDA版本匹配、安装CUDA和cuDNN等关键步骤。

部署运行你感兴趣的模型镜像

安装tensorflow-gpu

安装tensorflow的gpu真的是踩了一堆坑，所以写篇博客记录一下；
首先安装ensorflow-gpu并不单单只是pip install tensorflow-gpu就完事了，要装和注意的东西比想象中的多；
1要有显卡，而且显卡支持cuda，下个gpuz或者其他的显卡检测工具看下显卡支不支持cuda技术

在这里插入图片描述
上面是gpuz截图

2打开你的显卡控制面板，也就是下面这东西
在这里插入图片描述
然后选择帮助-》系统信息-》组件

在这里能看到你的显卡驱动（NVCUDA64.DLL）和右侧其对应的cuda版本
网上好多教程都只讲了tensorflow-gpu要和cuda和cudnn匹配，没什么人讲cuda要和驱动匹配，不知道是不是大佬们不屑于说。
如果驱动和cuda不配，就会报这个错
ptxas fatal : Memory allocation failure
ptxas fatal : Memory allocation failure是内存分配失败，就是驱动不匹配的问题，调动不了内存，内存不够肯定跑不起来模型，关键是它又能进行最基本的tensorflow测试，恼人。
我后面不想降驱动就直接下了最新的cuda和cudnn还有tensorflow，所以我只放下面两个链接
https://developer.nvidia.com/cuda-toolkit-archive
https://developer.nvidia.com/rdp/cudnn-archive
3安装完成上面这些，且在你已安装过anaconda的情况下，可以直接conda create --name tensorflow（可替换） python=（tensorflow对应的python版本）
然后activate tensorflow（刚刚创建的虚拟环境名）就可以pip install tensorflow-gpu==（你想要的版本）
其实也可以直接安装在base环境，只不过为了环境稳定不升级一般不这么做罢了。
4其他的一些报错
original_keras_version = f.attrs[‘keras_version‘].decode(‘utf8‘)卸载原来的h5py模块，安装2.10版本
pip install h5py==2.10 -i https://pypi.tuna.tsinghua.edu.cn/simple/