TensorFlow可以直接在Anaconda Prompt的命令行中用指令:“conda install tensorflow-gpu”直接安装,并且该指令在安装TensorFlow时还会顺带把Cuda和CuDNN也给装了。考虑到conda 的软件包并没有官方支持,并且tensorflow和附带的Cuda和CuDNN版本都不是最新的,笔者未使用conda安装,而是使用原生的 pip 安装,安装过程见后文。
pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple 1. 2、安装cpu版后,未报错,再安装gpu版时,使用tf.test.is_gpu_available()测试时报错:ERROR: tensorflow 2.0.0 has requirement tensorboard<2.1.0,>=2.0.0, but you'll have tensorboard 2.1.1 which is incompatible. ...
1pip install --user "tensorflow<2.11" 前面我们提到，当时虽然已经配置完毕了新版tensorflow库，但是如果运行代码，还是会出现如下图所示的提示信息，即我们还没有配置好GPU运行的环境。 其中，如果大家的电脑上是没有GPU，或者就不需要用GPU加以计算，那就不用管这个问题，直接开始编写、运行机器学习...
安装tensorflow-gpu,需特别注意tensorflow-gpu、Python、CUDA、cuDNN版本的适配信息,版本不适配会导致tensorflow-gpu安装失败,该安装教程选择的软件版本信息为:ubuntu18.04 + Anaconda3.5.3.1 + Python3.6.12 + tensorflow-gpu2.2.0 + CUDA10.1 + cuDNN7.6.5 更多版本适配信息可参考官网:https://tensorflow.google.cn...
因此,在这篇文章中,我们就介绍一下在Anaconda环境中,配置tensorflow库的详细方法;此外,这里需要注意,在较新版本的tensorflow库(版本大于1.5 ,但对于Windows用户而言,版本还不能高于2.10)中,已经同时支持CPU、GPU训练,不需要再区分是配置CPU版本的库还是GPU版本的库了。 首先,和Anaconda环境配置其他库一样,我们需要打开...
pip install --user -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-learn 输入jupyter notebook,可网页编程。 点击new,新建一个notebook 选择python3(ipykernel) 运行之前验证脚本,jupyter notebook可以成功调用tensorflow-GPU。 最后Toby老师提醒一下tensorflow-GPU虽然可以提速,但有的命令执行不了。tensorflow...
conda install tensorflow-gpu==xxx.xxx.xx你想要的版本号 本人一开始使用这种方法,结果在下载时经常卡住,中断,主要还是因为网络问题,需要多试几次,可以安装成功,因此需要使用国内镜像,但是使用镜像后,依然安装不成功,所以放弃了这种方法。 2.pip安装(有很多坑) ...
1pip install--upgrade tensorflow 运行上述代码后，可以看到将立即开始tensorflow库的配置，如下图所示。其中，由于我这里Python版本是3.6的，而不是最新的Python版本，因此从下图可以看到tensorflow库版本也并不是最新的，而是2.6.2版本的——当然对我而言，这也就足够了。如果大家希望用最新版本的tensorflow库...
condainstall tensorflow-gpu //这里也可以指定版本,比如conda install tensorflow-gpu==2.1.0 输入y确认。我们不需要再额外安装cuda和cudnn,因为他已经包含在安装的列表里了。 我这里安装的是2.1.0的版本,静静等待安装完成,如果安装出现问题,比如进度卡住了之类的多半是网络不稳定,可以选择切换到国内镜像。
4、安装Tensorflow GPU版本 首先,需要切换上一步中建立的环境: activate tf-gpu 需要注意的是,Linux环境中切换环境的命令为: source activate tf-gpu 再通过conda命令安装Tensorflow GPU版本: conda install tensorflow-gpu 安装过程中输入y就可完成安装,耐心等待即可。