Debido al cambio de computadora, la tarjeta gráfica original de la computadora es demasiado basura y no se ha instalado la versión GPU, de hecho, el proceso de instalación es bastante simple, solo sigue los pasos.
Tabla de contenido
Tres, instale la versión de GPU de Tensorflow
Cuatro, pruebe si la instalación es exitosa
Cinco, configurar tensorflow en JupyterNotebook
Uno, instala Anaconda
Dirección de instalación de Anaconda: dirección de descarga oficial
Este paso es una operación tonta, pero preste atención a la necesidad de configurar el entorno Anaconda.
Activar un entorno virtual
conda create -n TF_2C python=3.6
# 进入虚拟环境
conda activate TF_2GDos, instale cuda y cudnn
cudnn es en realidad un parche de cuda
Preste atención para instalar la versión de cuda10.0, tensorflow no admite cuda por encima de 11.0, cudnn puede elegir la coincidencia de cuda.
dirección de descarga cuda: dirección de descarga oficial
Dirección de descarga de cudnn: dirección de descarga oficial
- Instalación de Cuda operación tonta, preste atención para elegir la instalación personalizada, no elija los siguientes elementos.
CUDA-》 Visual Studio Integeration / Nsight Compute
- Después de instalar cuda, descomprima cudnn
- Copie todos los directorios al directorio cuda, el directorio completo es el siguiente
- Configurar variables de entorno
Tres, instale la versión de GPU de Tensorflow
pip install -U tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple # 注意报错就多装几次Cuatro, pruebe si la instalación es exitosa
#以下是在python环境中
import tensorflow as tf
tf.test.is_gpu_available()
# 返回结果为True则安装成功Cinco, configurar tensorflow en JupyterNotebook
# 激活TF环境
conda activate TF_2G
# 安装jupyter和ipython
conda install ipython
conda install jupyternotebook
# 测试内核
jupyter notebook
# 在对应窗口输入
import tensorflow as tf