不同tensorflow-gpu版本对应的CUDA和cuDNN不同,本文选择的tensorflow-gpu版本是2.8.0。 具体对应版本可以查看链接:tensorflow-gpu对应CUDA和cuDNN版本 1. 配置虚拟环境 由于tensorflow-gpu是python中的库,因此我们需要进入到python环境进行安装。现在默认的python已经更新到3.1
condainstalltensorflow_gpu-2.9.0 验证TensorFlow-gpu安装成功 在虚拟环境下,进入python环境,输入以下代码依次验证: importtensorflowastf tf.__version__#返回tensorflow-gpu的版本tf.test.is_gpu_available()#用来验证GPU是否可用tf.test.is_built_with_cuda()#用来验证cuda是否可用tf.test.gpu_device_name()#返回...
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.htmltensorflow的版本和python的版本与cuda和cudann有如下对应关系: 在本文中,我选择的是python 3.6、tensorflow-gpu 1.11.0、cuda 9.0、cudann 7.0.5,亲测可用,一开始使用了tensorflow-gpu 1.10.0,在import tensorflow时,会报dll失败的错误,该换te...
首先创建TensorFlow虚拟环境,把虚拟环境命名为tensorflow_gpu,创建命令为: conda create --name tensorflow_gpu 创建TensorFlow虚拟环境 (2)切换到tensorflow_gpu虚拟环境 切换到创建的tensorflow_gpu虚拟环境,命令为: conda activate tensorflow_gpu 切换命令 切换完成之后,命令行前面的字样变为(tensorflow_gpu),即已切换到...
其中tensorflow有CPU和GPU两个版本(2.0安装方法), CPU安装比较简单: pip install tensorflow-cpu 1. 一、查看显卡 日常CPU足够,想用GPU版本,要有NVIDIA的显卡,查看显卡方式如下: 二、查看版本对应关系 然后我们需要去下载NVIDIA驱动CUDA以及支持神经网络训练的CUDNN模块:(重点,其中需要查看自己NVIDIA版本 Python版本 CU...
版本Python 版本 编译器 编译工具 cuDNN CUDA Tensorflow-2.1.0 2.7、3.5-3.7 GCC 7.3.1 Bazel 0.27.1 7.6 10.1 Tensorflow-2.0.0 2.7、3.3-3.7 GCC 7.3.1 Bazel 0.26.1 7.4
1. 确保有 Python 和 pip 环境 (截至 2023/5/32) Tensorflow 支持: Python 3.6–3.9 Ubuntu 16.04 或更高版本 Windows 7 或更高版本 2. 使用 pip 安装 tensorflow 软件包 3. 安装完成 方法二:virtualenv + pip 安装 简介 上手难度:中 维护难度:低 ...
笔记本显卡为RTX3060, 支持CUDA 11.0,cuDNN 8.0,从而确定tensorflow-gpu 2.4.0, 进而选用python3.8.17版本。 (注:RTX30系列显卡似乎只支持tensorflow-gpu的2.4以上版本加速了,这点本人暂未查到相关说明) 感谢:配置过程参考了无数文章,不胜枚举,致敬前辈,部分图片源自网络。
我们发现对于gpu版本的tensorflow中文版只到tensorflow2.6.0版(对应python3.6-3.9),而英文对应到2.10.0版(对应python3.6-3.10),我们选择英文版(对应cuDNN 为8.1版本,CUDA为11.2,注意这个不能搞错,否则易出现版本不兼容)。 1.2.1.1https://developer.nvidia.com/cuda-toolkit-archive下载相应版本的CUDA ...