tensorflow -gpu安装方法(不用自己装cuda,cdnn)
TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief [1] 。
Tensorflow拥有多层级结构,可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究 [1-2] 。
tensorflow -gpu安装
首先,安装Anoconda
1. 官网下载点我:
2.安装
点击 python 3.6 version自动下载x64版,下载好之后,然后安装。
如图,打上勾之后,一路next
3.打开终端
1)输入conda –version 查看版本
2)配置Python环境
我装的是python3.5,你们可以根据情况自己选择
conda create –n tensorflow python=3.5
3)激活python环境:activate tensorflow
你可以退出当前环境:deactivate tensorflow
划重点了:安装tensorflow
**传统的方法就是用pip 安装,导致后面还要下载英伟达的cuda支持以及cdnn库**
**我在这里介绍一种简单的方法,不依靠pip**
在终端中输入
conda install tensorflow-gpu
2.看包中内容
如图,cuda 9.0和cdnn 7.1.4已经自动安装了不用再自己下载
3.安装完之后
打开Anaconda Prompt 测试成功
总结
以上所述是小编给大家介绍的tensorflow -gpu安装 ,最简单的途径(不用自己装cuda,cdnn),希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对我们网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!
相关推荐
-
tensorflow-gpu安装的常见问题及解决方案
装tensorflow-gpu的时候经常遇到问题,自己装过几次,经常遇到相同或者类似的问题,所以打算记录一下,也希望对其他人有所帮助 基本信息 tensorflow-gpu pip安装(virtualenv等虚拟安装实质也是pip安装,只是建了个独立的环境,不会影响系统环境,查问题比较容易,最多重新再创建一个干净的环境再来) 安装完之后会用import tensorflow看是否安装成功,结果报错,主要有碰到下面两大类报错信息: 1.ImportError: DLL load failed: 找
-
win10系统Anaconda和Pycharm的Tensorflow2.0之CPU和GPU版本安装教程
tf2.0的三个优点: 1.方便搭建网络架构: 2.自动求导 3.GPU加速(便于大数据计算) 安装过程(概要提示) step1:安装annaconda3 step2:安装pycharm step3:安装tensorflow2.0 cpu版本 (1)进入anaconda prompt(anaconda3) (2)默认为(base)环境 (3)输入python,查看python版本:输入exit()退出 (4)输入conda info --envs查看虚拟环境 (5)此处以在(base)环境中安装
-
win10安装tensorflow-gpu1.8.0详细完整步骤
在整个安装的过程中也遇到了很多的坑,故此做个记录,争取下次不再犯! 我的整个基本配置如下: 电脑环境如下:win10(64位)+CPU:E5-2603 +GPU:GTX 1070 需要安装的软件如下:Anaconda3-4.2.0-Windows-x86_64(python 3.5.2) + tensorflow-gpu 1.8 + CUDA 9.0 + cuDNN v7.1 for CUDA9.0 若你想在自己的windows上安装tensorflow-gpu,一般化也可以遵循如下的步骤. 1
-
tensorflow -gpu安装方法(不用自己装cuda,cdnn)
TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief [1] . Tensorflow拥有多层级结构,可部署于各类服务器.PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究 [1-2] . tensorflow -gpu安装 首先,安装Anoconda 1. 官网下载点我:
-
解决pip安装tensorflow中出现的no module named tensorflow.python 问题方法
由于本博文的浏览量已经破万了,看了一下是自己很久以前写的了,刚开始写博客,感觉废话一大堆.为了不浪费大家的时间,这里就直接说怎么解决问题的吧. 其实就是我自己装了一个python-pip,至于是自己下的安装包安装的还是python2自带的我也忘了,然后后来应该是又装了一个python3,结果用pip install tensorflow 就出现了这个问题,总之就是因为执行这个命令的时候,pip没将tensorflow装在python3的目录里,然后用的时候调用的python3,所以导致找不到.所
-
TensorFlow的环境配置与安装方法
一. 简介 TensorFlow是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief. Tensorflow拥有多层级结构,可部署于各类服务器.PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究 . TensorFlow由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护,拥有包括Ten
-
基于Tensorflow使用CPU而不用GPU问题的解决
之前的文章讲过用Tensorflow的object detection api训练MobileNetV2-SSDLite,然后发现训练的时候没有利用到GPU,反而CPU占用率贼高(可能会有Could not dlopen library 'libcudart.so.10.0'之类的警告).经调查应该是Tensorflow的GPU版本跟服务器所用的cuda及cudnn版本不匹配引起的.知道问题所在之后就好办了. 检查cuda和cudnn版本 首先查看cuda版本: cat /usr/local/
-
解决TensorFlow程序无限制占用GPU的方法
今天遇到一个奇怪的现象,使用tensorflow-gpu的时候,出现内存超额~~如果我训练什么大型数据也就算了,关键我就写了一个y=W*x-显示如下图所示: 程序如下: import tensorflow as tf w = tf.Variable([[1.0,2.0]]) b = tf.Variable([[2.],[3.]]) y = tf.multiply(w,b) init_op = tf.global_variables_initializer() with tf.Session()
-
Window10上Tensorflow的安装(CPU和GPU版本)
之前摸索tensorflow的时候安装踩坑的时间非常久,主要是没搞懂几个东西的关系,就在瞎调试,以及当时很多东西不懂,很多报错也一知半解的.这次重装系统后正好需要再配置一次,把再一次的经历记录一下.我的电脑是华为的matebook13,intel i5-8625U,MX250显卡,win10系统.(不得不吐槽很垃圾,只能满足测试测试调调代码的需求) 深度学习利用Tensorflow平台,其中的Keras Sequential API对新用户非常的友好,可以将各基础组件组合在一起来构建模型. (官
-
安装不同版本的tensorflow与models方法实现
1. 安装tensorflow教程 使用pip可以快速便捷的安装tensorflow各个版本. 代码如下: pip install tensorflow-gpu==1.14.0 #the 1.14.0 can change to other versions 2. Tensorflow与cuda版本对照 在安装tensorflow时需要注意,不同版本的cuda安装tensorflow的版本是有限制的,其对照关系如下: 3. 安装tensorflow/models教程 当需要使用tensorflo
-
查看已安装tensorflow版本的方法示例
由于tensorflow版本不同,可能一些函数的调用也有变换,这时候可能需要查看tensorflow版本,可以在终端输入查询命令如下: import tensorflow as tf tf.__version__ 查询tensorflow安装路径为: tf.__path__ 查询结果如下: 根据自己的情况选择以下命令之一进行安装: pip install tensorflow==1.2 # Python 2.7; 仅支持CPU pip3 install tensorflow==1.2 # P
-
tensorflow使用指定gpu的方法
TensorFlow是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief [1] . Tensorflow拥有多层级结构,可部署于各类服务器.PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究 . TensorFlow由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护,拥有包括Ten
-
Ubuntu 20.04 CUDA&cuDNN安装方法(图文教程)
CUDA安装下载cuda 输入nvidia-smi命令查看支持的cuda版本 如果无法查看,则说明尚未安装nvidia驱动,点击附加驱动,选择对应版本的驱动即可自动下载. 从https://developer.nvidia.com/cuda-toolkit-archive下载对应版本的cuda,选择18.04的版本即可. gcc降级 Ubuntu20.04自带的gcc版本为9.7.0,需要添加gcc7才可安装cuda10.2,输入命令安装gcc7 apt-get install gcc-7 g+
随机推荐
- ruby on rails中Model的关联详解
- C/S和B/S两种架构的概念、区别和联系
- 什么是BNC接头
- Java BigDecimal详解_动力节点Java学院整理
- js实现文章文字大小字号功能完整实例
- javascript实现的基于金山词霸网络翻译的代码
- php实现文件上传及头像预览功能
- 提示缺少“S2CSplash.DLL"的解决方法,下载此文件放到才程序目录即可
- 配置Linux服务器SSH 安全访问的四个小技巧
- 深入理解JavaScript系列(35):设计模式之迭代器模式详解
- 使用Python脚本将文字转换为图片的实例分享
- java中List、Array、Map、Set等集合相互转换
- JavaScript事件处理程序(事件侦听器)
- 通过BootStrap实现轮播图的实际应用
- 利用jQuery的deferred对象实现异步按顺序加载JS文件
- Android仿UC底部菜单栏实现原理与代码
- php中的时间处理
- vue发送websocket请求和http post请求的实例代码
- Django之编辑时根据条件跳转回原页面的方法
- nginx反向代理进行yum配置的步骤详解