使用wsl 的docker 进行深度学习与 原生方式的对比 PyTorch MNIST 测试,这是一个有目的的小型玩具机器学习示例,它强调了保持 GPU 忙碌以达到满意的 WSL2性能的重要性。与原生Linux一样,工作负载越小,就越有可能由于启动 GPU 进程的开销而导致性能下降。这种退化在 WSL2上更为明显,并且与原生 Linux 的规模不同。
在网上反复搜索相关信息,发现:在 Windows 平台上从 tensorflow 2.11 版本开始已经不支持 GPU 了。如果想在 Windows 平台上使用 GPU 版本的 tensorflow,只能使用 tensorflow 2.10 或者更早的版本,并且只能使用 python 3.9 或者更早的 python 版本;或者,使用 Windows WSL (ubuntu) 安装 tensorflow。 (完) 深度学习 w...
pip install tensorflow 如果需要 GPU 版本: bash pip install tensorflow-gpu 注意:从 TensorFlow 2.11 版本开始,Windows 上的 GPU 支持需要通过 WSL2(适用于 Linux 的 Windows 子系统)来实现。如果你需要安装 TensorFlow 2.10 或更低版本以直接在 Windows 上使用 GPU,请确保你下载的 CUDA 和 cuDNN 版本与 T...
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...
使用WSL安装Ubuntu系统 (在Windows 10 或 11 系统上) 安装WSL: 在管理员模式下打开 PowerShell 或 Windows 命令提示符,方法是右键单击并选择“以管理员身份运行”,输入wsl --install命令,然后重启计算机。 关于WSL的版本切换选择问题,可以看看Microsoft官方介绍https://learn.microsoft.com/zh-cn/windows/wsl/instal...
conda create--name nlp_tf2 python=3.9# 安装tensorflow-gpu pip install tensorflow-gpu==2.6.2 装TensorFlow 时候推荐使用pip ,conda 的包可能不准确,所以这一步要用pip,当然我只是诱人的conda 方式没有尝试而已。 代码语言:javascript 代码运行次数:0 ...
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0python -m pip install "tensorflow<2.11"python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))" windows wsl2(最新版) 硬件要求 具有® CUDA® 架构 3.5、5.0、6.0、7.0、7.5、8.0及以上等。
NVIDIA provides access to a number of deep learning frameworks and SDKs, including support for TensorFlow, PyTorch, MXNet, and more. Additionally, you can even run pre-built framework containers with Docker and the NVIDIA Container Toolkit in WSL. Frameworks, pre-trained models and workflows are...
安装GPU 驱动 安装TensorFlow(CPU 和 GPU) 安装PyTorch(CPU 和 GPU) 验证安装情况 我的个人经验和替代方法 硬件和软件的最低要求 如果你要按照本指南操作并且计划使用 GPU,你必须使用英伟达 GPU。 开发深度学习应用涉及到训练神经网络,这自然需要执行大量...
场景1:在Window10/11 WSL2下搭建Tensorflow GPU深度学习环境 A:搭建WSL2: 这一步最好是看准自己的显卡,并不是越新的A卡就支持,比如我的6600就不支持,但是6600XT是支持的 目前我知道的比较主流的保证支持的显卡是:6600XT和6900XT,具体可以参考AMD官网: ...