【Tensorflow安装汇总】Conda直装超级简单!!!

Jennifer ·
更新时间:2024-11-14
· 613 次阅读

Tensorflow硬件检查 检查显卡版本

打开英伟达控制面板,找到系统信息即可看到

在这里插入图片描述

更新显卡版本

英伟达显卡版本更新的非常频繁,一定要保证显卡驱动是最新的(很多人就是因为不是最新的版本而报错)
去更新显卡驱动官网下载最新版

https://www.geforce.cn/drivers/results/155099

在这里插入图片描述在这里插入图片描述在这里插入图片描述
然后一步一步安装下来就行了

不使用Conda安装版

先使用正常安装步骤安装Cuda和Cudnn,如果报错再安装conda版

CUDA官网下载:

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64

CUDNN官网下载:

https://developer.nvidia.com/cudnn

测试是否安装成功:
在这里插入图片描述
在这里插入图片描述
然后创建虚拟环境去安装tensorflow,参考教程

https://blog.csdn.net/qq_27009909/article/details/100811256` 使用Conda安装版

所有顺序不能错,版本也不能错

创建虚拟环境 conda create --name tensorflow-gpu-new python=3.6.5 激活虚拟环境 activate tensorflow-gpu-new 安装cuda和cudnn,没错cudnn不用指明版本 conda install cudatoolkit=9.0 conda install cudnn # 安装tensorflow-gpu pip install tensorflow-gpu==1.6.0 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com # 为了让jupyter notebook关联到这个虚拟环境 conda install nb_conda # 三大库安装 pip install numpy==1.16.0 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com pip install pandas==0.25.3 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com pip install matplotlib==3.1.1 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com # 下面看情况安装,建议全部安装,因为都很常用 pip install h5py -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com pip install sklearn -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com pip install keras==2.1.5 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com pip install opencv-python -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com pip install gensim -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com pip install tqdm -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com (卡住按回车即可)

完美解决!

测试Tensorflow import tensorflow as tf with tf.device('/cpu:0'): a = tf.constant([1.0,2.0,3.0],shape=[3],name='a') b = tf.constant([1.0,2.0,3.0],shape=[3],name='b') with tf.device('/gpu:1'): c = a+b #注意:allow_soft_placement=True表明:计算设备可自行选择,如果没有这个参数,会报错。 #因为不是所有的操作都可以被放在GPU上,如果强行将无法放在GPU上的操作指定到GPU上,将会报错。 sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True)) #sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) sess.run(tf.global_variables_initializer()) print(sess.run(c)) 关于博主

【大家如果有关于JavaWeb+大数据(擅长领域)+ 人工智能等方面的疑惑,比如学习路线,学习方法,项目准备,简历包装等,都可以直接向我进行咨询,还可以加入群聊和小伙伴一起共同成长。(加我请备注CSDN)】
在这里插入图片描述


作者:Focus_UP



TensorFlow安装 tensorflow conda

需要 登录 后方可回复, 如果你还没有账号请 注册新账号
相关文章