TensorFlow1.2~2.1各GPU版本与CUDA对应版本、tensorflow-gpu 的安装测试
tensorflow
一个面向所有人的开源机器学习框架
项目地址:https://gitcode.com/gh_mirrors/te/tensorflow
免费下载资源
·
-
🍊 各位读者小伙伴、小年快乐
-
📆 最近更新:2022年2月22日
-
🍊 本博文撰写较早、内容欠缺之处、敬请理解
搭建TensorFlow的GPU版本,必备条件是一块能够支持CUDA的NVIDIA显卡,首先需要安装其基础支持平台CUDA和其机器学习库cuDNN,然后在此基础上搭建对应TensorFlow GPU版本
TensorFlow1.2~2.1各GPU版本CUDA和cuDNN对应版本如下:
tensorflow-gpu 安装
Cuda 10.0, V10.0.130
- 使用conda 创建独立环境:
conda create -n tf21 python=3.7.2
pip install tensorflow-gpu==2.1.0
tensorflow-gpu 测试
- 测试输出如下:
import
时 说 不能加载 cuda下的一个.so 文件,但是 print(tf.__version__)
可以顺利输出。
-
这是因为 cudatoolkit 版本 问题导致
pip uninstall tensorflow-gpu==2.1.0
pip install tensorflow-gpu==2.0.0
- pip 设置使用豆瓣 或者 阿里云的 源,下载速度还是可以的!
- 安装后再次进行测试,就是完全正确的了,没有刚刚多余的输出!
Python 3.7.2 (default, Dec 29 2018, 06:19:36)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> print(tf.__version__)
2.0.0
📙 博主 AI 领域八大干货专栏、诚不我欺
- 🍊 计算机视觉: Yolo专栏、一文读懂
- 🍊 计算机视觉:图像风格转换–论文–代码测试
- 🍊 计算机视觉:图像修复-代码环境搭建-知识总结
- 🍊 计算机视觉:超分重建-代码环境搭建-知识总结
- 🍊 深度学习:环境搭建,一文读懂
- 🍊 深度学习:趣学深度学习
- 🍊 落地部署应用:模型部署之转换-加速-封装
- 🍊 CV 和 语音数据集:数据集整理
📙 预祝各位 前途似锦、可摘星辰
- 🎉 作为全网 AI 领域 干货最多的博主之一,❤️ 不负光阴不负卿 ❤️
- ❤️ 过去的每一天、想必你也都有努力、祝你披荆斩棘、未来可期
-
🍊 点赞 👍 收藏 ⭐留言 📝 都是博主坚持写作、更新高质量博文的最大动力!
GitHub 加速计划 / te / tensorflow
184.54 K
74.12 K
下载
一个面向所有人的开源机器学习框架
最近提交(Master分支:1 个月前 )
a49e66f2
PiperOrigin-RevId: 663726708
1 个月前
91dac11a
This test overrides disabled_backends, dropping the default
value in the process.
PiperOrigin-RevId: 663711155
1 个月前
更多推荐
已为社区贡献14条内容
所有评论(0)