非常全面的Tensorflow GPU版本安裝教程，建議收藏
文章目錄
- 非常全面的Tensorflow GPU版本安裝教程，建議收藏
- 前言
- 一、安裝Anaconda
- 二、安裝前的準備作業
- 1.檢查版本
- 1.1 python版本查看：
- 1.2 cuda driver版本查看：
- 2.Tensorflow官網尋找適合自己的版本號
- 3.安裝cuda和cdnn
- 3.1 安裝cuda
- 3.2 安裝cdnn
- 4.創建虛擬conda環境
- 5.使用pip安裝tensorflow-gpu
- 5.1 使用清華鏡像
- 5.2 安裝tensorflow-gpu
- 6.在Pycharm中使用
- 總結
前言
我自己看了很多教程終于搞明白了，，，
接下來給大家分享一下，請大家一定按照步驟詳細閱讀全文，不然可能會掉坑里
一、安裝Anaconda
這一步比較簡單，也沒有太多的需要注意的，去官網下載即可
官網下載傳送門
二、安裝前的準備作業
1.檢查版本
我們需要檢查的版本有：python的版本，cuda的版本(帶n卡的電腦一般會默認安裝好了cuda的driver包，但是tensoflow-gpu所需要的其他cuda組件仍然需要安裝)
1.1 python版本查看：
在開始選單欄打開Anaconda Prompt，以管理員身份運行，輸入python，回車即可
1.2 cuda driver版本查看：
按下圖操作查看版本號
2.Tensorflow官網尋找適合自己的版本號
注意CUDA版本與顯卡的對應關系，注意tensorflow-gpu和cuDNN之間版本的對應，版本對應關系具體請參考Tensorflow官網,如下圖所示：
CDNN下載鏈接
CUDA下載鏈接
博主自己選擇的版本發出來供大家參考：
注意！！！！
我們下載的cuda版本一定要低于或等于我們剛剛在英偉達控制面板查看的cuda driver版本
3.安裝cuda和cdnn
3.1 安裝cuda
這里如果已經有了cuda driver（就是我們之前在英偉達控制面板看到的版本號）了的話，就取消勾選
3.2 安裝cdnn
將cdnn解壓以后的所有檔案復制到cuda安裝目錄
4.創建虛擬conda環境
由于我在base環境中已經裝過了pytorch以及其他很多組件，這里我們最好是給tensorflow單獨創建一個虛擬環境，
conda create -n tensorflow_gpu python=3.8
激活環境
activate tensorflow_gpu
5.使用pip安裝tensorflow-gpu
5.1 使用清華鏡像
臨時使用
package-name為你要下載的包名
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package-name
永久使用
pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
5.2 安裝tensorflow-gpu
選擇之前找到的適合自己的版本
pip install tensorflow-gpu-x.x.x
我這里不帶版本號默認下載了最新版
安裝成功示意圖
接下來測驗一下是否可以使用了
import tensorflow as tf
print(tf.__version__)
print(tf.test.is_gpu_available())
成功了！！
6.在Pycharm中使用
在如圖所示目錄找到我們配置的tensorflow_gpu虛擬環境，選擇python.exe
恭喜你已經成功配置好了所有環境，可以開始擼代碼了！
總結
以上就是所有的內容了，謝謝大家，轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/259974.html
標籤：AI
上一篇：Bi-directional Cognitive Thinking Network for Machine Reading Comprehension 論文閱讀