win10 1050ti anaconda搭建tensorflow-gpu
提示:看此文章 大前提需要拥有
NVIDIA
的显卡
个人安装顺序:VS部分组件
=>CUDA
=>CuDNN
=>python
=>tensorflow-gpu
文章目录
- 前言
- 系统环境
- 准备
- 如何查询NVIDIA算力
- 1、安装VS组件、CUDA
- 使用conda创建虚拟环境
- 二、使用pycharm测试代码
- 1.安装matplotlib
- 2.使用pycharm测试代码
- 总结
- 参考链接
前言
笔者有最新的安装
TensorFlow-gpu-2.6
的文章,TensorFlow-gpu-2.6详细安装强烈推荐看这篇笔者最新的文章!!!!
大前提
:你需要拥有NVIDIA的显卡
系统环境
我用的是笔记本电脑
系统:Windows10
显卡:GTX 1050Ti
算力6.1
(下边会讲到如何查询显卡算力)
软件:anaconda
准备
需要安装anaconda
若未安装或未曾使用过anaconda,请参考anaconda入门
如何查询NVIDIA算力
首先清楚自己的显卡类型
Ctrl + Shift + ESC
打开任务管理器
,接着点击性能
,按照图片所示就清楚显卡PS:
显卡的算力影响你能安装哪一些tensorflow-GPU的版本(如果算力3.5以上基本没什么问题)
NVIDIA显卡算力官网查询
进官网之后,要点击如下图,即可查看自己的显卡算力PS:我的是笔记本电脑,所以看的是Notebook那一列的,如果是台式可以参考左边的。
个人认为左边或者右边都可以参考
以下安装为我成功运行的版本,
TensorFlow-gpu2.1
直接查看最新的安装方式最好
笔者已经更新了最新安装
TensorFlow-gpu-2.6
的文章,详细安装过程可以参考TensorFlow-gpu-2.6安装过程强烈推荐看这篇笔者最新的文章!!!!
1、安装VS组件、CUDA
VS官网
CUDA官网下载地址
进入VS官网,打开VS安装程序(本人安装的是tensorflow-gpu-2.6,因此对应安装VS2019的部分组件
PS:不需要安装完整的VS,只是需要VS的部分组件
具体是:
C++ 2019可在发行程序包
以及VS 2019 C++ 生成工具
,如下图
一定要安装对版本,尤其是
VS组件
,才能成功安装CUDA
和cuDNN
,先安装VS组件,后安装CUDA
和cuDnn
使用conda创建虚拟环境
PS:以下很多场合用到conda命令,若不会请参考anaconda入门,也可能会给
conda
换源,若不会请参考pip换源 conda换源
Win + R
输入cmd
1.安装CUDA
输入命令
conda create -n tf-gpu-2.1 cudatoolkit=10.1
# 创建一个名为tf-gpu-2.1的虚拟环境
回车以上命令之后,记得输入
y
然后回车[Enter]
需要的是
CUDA
的cudatoolkit
,因此先安装了它cudatoolkit=10.1
2.进入环境
输入命令
activate tf-gpu-2.1
# 进入tf-gpu-2.1的虚拟环境
3.安装cuDNN
输入命令
conda install cudnn=7.6
# 使用conda命令安装python3.7
使用
conda
命令安装。回车以上命令之后,记得输入y
然后回车[Enter]
4.安装对应的python
输入命令
conda install python=3.7
# 使用conda命令安装python3.7
使用
conda
命令安装。回车以上命令之后,记得输入y
然后回车[Enter]
5.安装对应的TensorFlow-GPU
最关键的一步,这次用的是
pip
命令安装TensorFlow-gpu
!!!!!
可能需要为pip
命令换源,若不会换源,请参考pip换源 conda换源
输入命令
pip install tensorflow-gpu==2.1.0
PS:在安装过程中,会安装很多关联的包,等待安装完成即可
6.测试TensorFlow-GPU
在当前环境下,输入python
,回车[Enter]
输入以下命令
import tensorflow as tf
接着输入
tf.test.is_gpu_available()
以上代码会显示
显卡型号
,显卡算力
以及是否可用,若为True
,则说明可用。
二、使用pycharm测试代码
1.安装matplotlib
1.进入环境
输入命令
activate tf-gpu-2.1
# 进入tf-gpu-2.1的虚拟环境
2.安装matplotlib
输入命令
pip install matplotlib
若需要换源,请参考pip换源 conda换源
2.使用pycharm测试代码
如果使用pycharm,如何关联conda创建的虚拟环境请参考anaconda入门
测试代码如下
import tensorflow as tf
import timeit
import numpy as np
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号# 以矩阵A[1,n]和矩阵B[n,1]的乘法运算(分别在cpu和gpu上运行)来测试:
def cpu_run(num):with tf.device('/cpu:0'): # 指定操作:用cpu计算cpu_a = tf.random.normal([1, num])cpu_b = tf.random.normal([num, 1])c = tf.matmul(cpu_a, cpu_b) # 矩阵乘法,此操作采用cpu计算return cdef gpu_run(num):with tf.device('/gpu:0'): # 指定操作:用gpu计算gpu_a = tf.random.normal([1, num])gpu_b = tf.random.normal([num, 1])c = tf.matmul(gpu_a, gpu_b) # 矩阵乘法,此操作采用gpu计算return ck = 10
m = 7
cpu_result = np.arange(m, dtype=np.float32)
gpu_result = np.arange(m, dtype=np.float32)
x_time = np.arange(m)for i in range(m):k = k * 10x_time[i] = kcpu_str = 'cpu_run(' + str(k) + ')'gpu_str = 'gpu_run(' + str(k) + ')'# 计算10次,取平均时间cpu_time = timeit.timeit(cpu_str, 'from __main__ import cpu_run', number=10)gpu_time = timeit.timeit(gpu_str, 'from __main__ import gpu_run', number=10)cpu_result[i] = cpu_timegpu_result[i] = gpu_timeprint(cpu_result)
print(gpu_result)fig, ax = plt.subplots()
ax.set_xscale("log")
ax.set_adjustable("datalim")
ax.plot(x_time, cpu_result, color='#005FDD', alpha=0.8, linewidth=1, label='C P U')
ax.plot(x_time, gpu_result, color='#47AC3A', alpha=0.8, linewidth=1, label='G P U')
ax.grid()
plt.legend(loc="upper right")
plt.title("CPU和GPU运行对比")
plt.xlabel('计算量')
plt.ylabel('时间')
plt.draw()
plt.show()
运行结果如下图
总结
如果需要安装官方测试过的最新的TensorFlow-gpu-2.6,可以参考最新的安装教程win10安装TensorFlow-gpu-2.6强烈推荐看这篇笔者最新的文章!!!!
参考链接
tensorflow官方文档
conda安装tensorflow官方文档
NVIDIA显卡算力官网查询
Tensorflow-gpu安装超详细!!!
win10 1050ti anaconda搭建tensorflow-gpu相关推荐
- win10中anaconda安装tensorflow时报错Traceback (most recent call last): File “E:\Anaconda3\lib\site-packag
windows系统anaconda安装tensorflow时报错解决办法. 报错: Traceback (most recent call last): File "E:\Anaconda3 ...
- Win10快速搭建Tensorflow(CPU/GPU)
Win10快速搭建Tensorflow 如果需要详细的安装介绍请看:安装详解 一.快速搭建过程: 第一步:下载Anaconda,并安装. Anaconda官网下载地址:https://www.anac ...
- Win10通过Anaconda安装GPU版tensorflow
目录 通过conda安装CUDA.cudnn方法 不通过conda安装CUDA.cudnn方法 安装前言: 安装VS2015 CUDA和Cudnn 安装Anaconda3 测试: 附录: 通过cond ...
- Win10通过anaconda安装GPU、CPU版tensorflow
目录 1. 安装anaconda 2. 安装Tensorflow 2.1 打开Anaconda Prompt 2.2 使用清华镜像源 2.3 用Anaconda创建一个python环境 2.4 在An ...
- 【Keras】Win10系统 + Anaconda+TensorFlow+Keras 环境搭建教程
1. 安装 Anaconda 打开 Anaconda 的官方下载地址:https://www.anaconda.com/download/ 选择 Python 对应的version 下载.下载完成后直 ...
- win10系统搭建Tensorflow深度学习平台详细步骤
Anaconda是由Python提供支持的领先的开放数据科学平台. Anaconda的开源版本是Python和R的高性能分发版本,包括超过100个用于数据科学的最流行的Python,R和S ...
- win10+anaconda安装tensorflow和keras遇到的坑小结
win10下利用anaconda安装tensorflow和keras的教程都大同小异(针对CPU版本,我的gpu是1050TI的MAX-Q,不知为啥一直没安装成功),下面简单说下步骤. 一 Anaco ...
- win10+pycharm+anaconda开发环境搭建
win10+pycharm+anaconda开发环境搭建 1.本次任务 2.环境版本 3.anaconda环境配置 4.pycharm安装 5.pycharm+anaconda 6.总结 注:个人水平 ...
- Win10下Tensorflow(GPU版)安装趟坑实录,成功了。
这篇文章不指导你具体怎么安装,其他博客大把安装方法,我只告诉你,具体的版本不要看其他人的,每个人用的CUDA可能都不同,越看越乱,直接看运行后系统的提示,我整了一天没有搞定,最后还是按照系统提示搞定的 ...
- TensorFlow GPU 版本安装个人总结:Win10 + Python3.5 + CUDA 9.0.176 + cudnn v7.5.0.56 + TensorFlow 1.12.0
TensorFlow GPU 版本安装个人总结:Win10 + Python3.5 + CUDA 9.0.176 + cudnn v7.5.0.56 + TensorFlow 1.12.0 接触机器学 ...
最新文章
- leetcode算法题--目标和
- [分享] 数学学术资源站点
- 关于Apache虚拟主机的设置
- AsyncTask的理解
- C++ Qt全局异常处理器_QT教程
- handsontable 方法汇总
- 天池 在线编程 能否转换
- Spring :Spring AOP 中的一些术语
- Bootstrap-datetimepicker控件使用
- opencv-python 无法显示图片
- 【ZZ】神与学霸的区别
- python SQLite 初识
- JDK官网下载速度缓慢解决方法
- 微信域名防封最全代码
- SpringBoot任务——JSoup+定时任务 定时爬取微博热搜至数据库
- 社区发现算法之——Louvain
- VS2008SP1无法安装
- Facebook攻略--运营方式
- VMware安装windows7x64时提示找不到CD/DVD驱动器
- 《码农翻身》用故事给技术加点料