TensorFlow GPU版本对应的Python版本取决于具体的TensorFlow版本。TensorFlow的GPU版本和Python版本之间存在一定的对应关系。以下是一些常见的TensorFlow GPU版本及其对应的Python版本: TensorFlow 2.10:支持的Python版本为3.10.x。 这是最后一个官方支持Windows原生GPU加速的版本,后
本机GPU是NVIDIA GeForce GTX 1650, 支持的最高版本CUDA是12.0。想要在Windows下使用GPU跑深度学习模型,需要使用tensorflow-gpu,其目前最高版本是2.6.0。所以其他依赖环境均按照tensorflow-gpu的需求来配置。 对应版本如下 Tensorflow-gpu 2.6.0 (目前为止最高版本) Python 3.9.18 (能够支持tensorflow-GPU的最高Pytho...
conda create -na my-tensorflow python=3.7 #创建我的tensorflow环境(下图) 然后conda env list 可以看见我有三个环境,一个是python3 一个是python2 以及刚才新建的my-tensorflow 下面打开:Anaconda Navigator (这是Anaconda 的web管理) 然后点击 my-tensorflow >>>点击Not installed 在右侧搜索tensorflow 标题 等他...
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,对应的是CUDA11.0及以上版本) 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。 首先配置CUDA 11.0以及cuDNN 8.0: 版本...
import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data sess = tf.InteractiveSession() def getTrain(): train=[[],[]] # 指定训练集的格式,一维为输入数据,一维为其标签 # 读取所有训练图像,作为训练集 train_root="mnist_train" ...