tensorflow-gpu安装,tensorflow2.0 gpu安装

  tensorflow-gpu安装,tensorflow2.0 gpu安装

  首先卸载CPU版本。在下面

  以前安装过Anaconda,但是检查版本和环境。虽然找到了tensorflow环境,但是由于需要tensorflow-gpu环境,所以进入康达卸载tensorflow卸载。

  如果发现无法卸载,可以选择环境(anaconda页面中点),选择tensorflow,然后点击下面的“移除”即可完全卸载。

  再次进入conda info - envs后,结果如下图所示。

  键入conda create-ntensorflow-gpupippython=3.6安装tensorflow-GPU环境,

  如果再次检查,说明tensorlfow-gpu环境已经创建成功。

  第二,安装CUDA和CuDNN 1。要检查GPU上是否只有NVIDIA显卡支持TensorFlow,GPU是否支持CUDA,通常计算能力不低于3.0是合适的。

  (见链接:https://开发者。NVIDIA.com/cuda-GPUs)

  2.安装显卡的硬件清理干净后,安装http://www。Sina.com/http://www.geforce.cn/drivers

  我的是1060,10系列。可以在下拉列表中找到。我选择2019年9月10日发布的。

  下载后,安装。默认情况下,不要随意更改选项。

  3.要安装cuda,请先查看tensorflow与cuda、cuDNN的对应版本。我是

显卡的驱动,链接

  CUDA:https://开发者。NVIDIA.com/cuda-toolkit-archive

  下载完成为cuda _ 9 . 0 . 176 _ win10.exe。然后,双击安装并选择自定义。当您选择安装项目时,GeForce Experience通常不会安装。CUDA是核心组件,选中它,然后点击Next开始安装。

  如果在安装过程中发现安装错误,在CUDA选项下检查VS,如下图所示。

  cuDNN cuDNN的安装相当于cuDA图形计算库,一个专门用于深度神经网络的计算库。

  CuDNN:https://developer.NVIDIA.com/RDP/Cu. DNN下载,注册比较简单。

  下载后解压得到三个文件夹,将这三个文件复制到名为~CUDAv9.0的目录下,用一个组替换。

  三、安装tensorflow1.12.0第一步,创建tensor flow-GPU环境。当前被激活并进入环境。

  安装tensorflow输入文件:pip install-ignore-installed-upgradetensor flow-GPU==1 . 12 . 0

  验证安装成功(tensor flow-GPU)C:(Users(2018061801 Python Python 3 . 6 . 9 Anaconda,Inc.(默认2019 . 7 . 30,133366)

tensorflow-gpu安装,tensorflow2.0 gpu安装