cuda11.1对应的tensorflow,cuda11.0对应的tensorflow

  cuda11.1对应的tensorflow,cuda11.0对应的tensorflow

  win 10 Anaconda cuda 10 tensor flow 1 . 11 . 0 py torch 1 . 0 . 1本文主要解决了以下问题:清华源故障后的加速方法tf1.11和CUDA10包的安装方法。电脑配置安装信息anacondacudunnpytorch-gpu安装下载提速Linux和Wind安装本地包用于ows tensorflow之间传输文件-GPU安装小问题:如何在Github下载单个文件

  本文主要解决了以下问题:清华源tf1.11失败后的加速方法和CUDA10包的安装方法。

  首先我想在康达安装pytorch-gpu,但是下载真的不成功。由于4月16日清华华苑停服,刚好卡在这个节骨眼上,换成HKUST后也没有好转,只能找一些新的解决方案。

  电脑配置安装信息这两天服务器停机了,就上笔记本玩玩,遇到了一些问题。解决它们后,写一篇文章记录方案。

  电脑型号:华硕ZX50J

  GPU:英伟达950M

  CUDA版本:

  安装Pytorch版本的:

  安装tensorflow版本的:

  话不多说。

  Anaconda,这个问题我就不赘述了。网上有很多博客介绍。

  CUDA可以通过Nvidia控制面板帮助系统信息组件查看支持的CUDA版本

CUDA

安装教程

  安装时选择CUDA安装即可。

  CUDNN

  安装方法是解压后,按照解压后的文件夹隶属关系,将文件放入CUDA对应的文件夹中。

  Pytorch-gpu安装注意:

安装教程

放在这里,朋友们不用搜了。

  conda create -n您的环境名称python=X.X

  例如,conda create -n pytorch (python版本参数被省略,现在默认为

CONDA创建环境命令

)

  创建后,进入conda activate pytorch,退出conda deactivate。

  为了加快下载速度,如果直接用pytorch官网的conda或者pip命令,我等了一下午,重复了几次都没有成功。

  在网上搜了一波,可以直接从pip命令得到

3.7

,如图。

  下载的时候又遇到了一个坑。迅雷找不到资源,chrome太慢。

  这时我想起要用我租的vultr服务器,果断连上了。wget拨打

下载链接

  在Linux和Windows之间传输文件。首先,有Xftp的朋友可以直接用。

  如果没有(就像我一样,删了之后就不怎么用笔记本了)

  可以用

真香

,很小的小玩意。网上搜一下就知道了。

  下载的exe文件被扔进C:/Windows/System32。

  可以直接在windows命令行使用

pscp

。命令如下(编码位置为ip),速度还可以。

  本地包的安装可以直接使用conda ~

  

pscp命令与linux互通

  进口火炬

  x=火炬。张量([7,1])

  xx=x.cuda()

  打印(xx)

测试代码

  从torch.backends导入cudnn

  print(cudnn.is_acceptable(xx))

  这样一来,Pytoch就完成了。

  Tensorflow-gpu安装:用pytorch还是要用tf,官方tf不匹配CUDA10怎么办?还好我在网上找到了这位哥哥的方法:https://github.com/fo40225/tensorflow-windows-wheel.

  进去找到对应的版本,下载到对应的路径。比如我是py3.7cudn10.0.130x86,那么去对应的目录下载文件1 . 11 . 0 py37 GPU cuda 100 cudn 73 se 2。

  小问题:如何在Github下载单个文件?可以用chrome插件:Gitzip或者Octo mate。

  这种情况下可用的最简单暴力还有一个例子:直接一路找到文件,然后点击查看raw chrome开始下载。

  下载后创建一个tensorflow的conda环境,可以在其中安装pip安装路径/文件名。

cuda11.1对应的tensorflow,cuda11.0对应的tensorflow