因此，他表示 TensorFlow 2.10 是 Windows 本地支持 GPU 的最后一个版本。从 2.11 开始，你就需要在 WSL 2 上安装 TensorFlow，或者使用TensorFlow-DirectML-Plugin。这造成了很大困扰，他认识的大多数机器学习开发者都使用 Windows 并在本地进行开发，现在只能切换到 Linux 上部署了。他知道 WSL 是一个选项，但...
但当从 2.10 升级到 2.13 版本时,他发现 GPU 没有被利用上,深挖之后发现 TensorFlow 在 2.10 版本之后就放弃了对 Windows GPU 的支持。 因此,他表示 TensorFlow 2.10 是 Windows 本地支持 GPU 的最后一个版本。从 2.11 开始,你就需要在 WSL 2 上安装 TensorFlow,或者使用 TensorFlow-DirectML-Plugin。这造成了...
此外，我们还需要配置WSL2。WSL是“适用于Linux 的Windows 子系统”，我们需要配置这一环境，为后面的G...
2.1 启用 WSL 启用 WSL 对于 Windows 的版本有一定要求，我是直接安装了 Win11。安装 WSL 最好根据...
1. 安装 WSL2 (Windows Subsystem for Linux 2) 另外,要使用 WSL2,需要满足 Windows 10 版本大于 2004 或 Windows 11. 安装wsl 的方法可以参考微软官方文档:https://learn.microsoft.com/zh-cn/windows/wsl/install 2. 安装 Docker Desktop 安装Docker Desktop 并使用 WSL2 作为后端可以参考微软官方文档:https...
2. 运行后如下图所示。 至此,就完全完成了GPU方面的配置工作。 3 WSL2配置 此外,我们还需要配置WSL2。WSL是“适用于Linux 的Windows 子系统”,我们需要配置这一环境,为后面的GPU运算提供条件。 关于WSL2的介绍与手动配置方法,大家可以直接查看其官方网站;我们这里就介绍通过命令行...
因此,他表示 TensorFlow 2.10 是 Windows 本地支持 GPU 的最后一个版本。从 2.11 开始,你就需要在 WSL 2 上安装 TensorFlow,或者使用 TensorFlow-DirectML-Plugin。这造成了很大困扰,他认识的大多数机器学习开发者都使用 Windows 并在本地进行开发,现在只能切换到 Linux 上部署了。
参考:微软 WSL 官方文档:https://learn.microsoft.com/zh-cn/windows/wsl/tutorials/gpu-compute 通过运行以下命令为 NVIDIA 容器工具包设置稳定存储库: distribution=$(./etc/os-release;echo$ID$VERSION_ID)curl-s-Lhttps://nvidia.github.io/nvidia-docker/gpgkey|sudogpg--dearmor-o/usr/share/keyrings/...
参考:微软 WSL 官方文档:https://learn.microsoft.com/zh-cn/windows/wsl/tutorials/gpu-compute 通过运行以下命令为 NVIDIA 容器工具包设置稳定存储库: distribution=$(. /etc/os-release;echo$ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo gpg --dearmor -o /usr...
wsl--install 随后,即可开始安装WSL2;稍等片刻,出现如下图所示的提示,说明WSL2已经配置完毕;此时,需要重启一次电脑。 4 配置结果验证 至此,已经完成了GPU运算所需要的全部配置步骤。如果大家是在一个新的虚拟环境中配置的上述内容,就可以按照文章Anaconda虚拟环境安装Python库与Spyder提到的方法,安装一...