win10 anaconda3环境下安装tensorflow-GPU(仅需两行代码即可)
教程最好的地方在于不是纯粹的安装固定版本的 tensorflow 某个版本,而是提供了一个安装的方法,利用本教程的安装理念,
tensorflow的任何版本随心所欲安装,再也不用复制、粘贴 别人的版本,轻松安装你喜欢的版本!!!
神奇的两行代码:
anaconda search -t conda tensorflow-gpu
anaconda show <USER/PACKAGE>
第一行代码寻找可供安装的 tensorflow-gpu 的版本,可以自行选择
第二行代码获得可供安装的 tensorflow-gpu 的安装方法
第一部分 :安装步骤:
1、首先安装 anaconda3,安装过程很简单,自行安装即可,下载地址:https://www.anaconda.com/download/
Anaconda仓库镜像增加
官方下载更新工具包的速度很慢,所以继续添加清华大学 TUNA提供的Anaconda仓库镜像,在终端或cmd中输入如下命令进行添加
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
安装好anaconda3 后,通过调用以下命令创建一个名为tensorflow的conda环境:
conda create -n tensorflow python=3.6.4
删除上述创建的环境使用下面代码:
#删除指定的环境(在这里环境名为 env_name),使用下面的代码
conda env remove -n env_name
2、通过下面的代码激活创建的 tensorflow 环境:
activate tensorflow
下一步寻找要安装的 tensorflow 的版本,通过下面的代码:
anaconda search -t conda tensorflow-gpu
3、下一步,找到适合 win10的安装版本,并复制其 name(本例中 name 为:nwani/tensorflow-gpu)
通过下面的代码获取 name为 nwani/tensorflow-gpu 的安装方法:
anaconda show nwani/tensorflow-gpu
安装代码:
conda install --channel https://conda.anaconda.org/nwani tensorflow-gpu
4、输入安装代码,耐心等待安装完成即可
5、离线安装过程 :先 下载 tensorflow-gpu 的离线安装包 .whl文件,找到下载好的 .whl 路径,然后键入
pip install c:\...\tensorflow_gpu-xxxx.whl
第二部分 下面的部分为安装完成后的一些可能出现的报错 和 警告信息:
1、安装完成后,import tensorflow as tf 报错:3 和 4
出现这两个报错是因为 cuda 没有安装好,去 Nvidia 的官网下载安装即可,若嫌麻烦,按我上述的安装方法,只要选择安装版本没问题,应该不会出现这个报错,下面的报错是因为第一次安装版本没选择好,走了一些弯路,记录下来当做经验教训!!!
2、下面的只是一个警告信息,已在图下方给出了解决方案
FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.from ._conv import register_converters as _register_converters
这个警告其实不会有任何影响
如果想让它消失,只需要更新h5py至2.8.0rc1以上,代码如下:
pip install h5py==2.8.0rc1
或者使用下面命令更新(库基本都可以使用该命令进行更新)
pip install --upgrade h5py
图中:
1、使用上述代码更新 h5py至2.8.0rc1以上
2、因为我的 pip 版本不是最新的,所以在使用 pip 安装命令时,会要求升级 pip ,最好升级一下!!
第三部分 最终的测试
输入测试代码:
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
最终输出测试结果,说明tensorflow安装成功!
测试GPU是否能用
测试代码:
在Python环境中输入:
import numpy
import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))
下图是在 CPU模式下的测试结果:
之后就会出现详细的信息:显示 CPU :0 在工作
下图是在 GPU 下的测试结果:
tensorflow 默认调用系统最优资源,所以安装 tensorflow-gpu 版本的,会默认调用GPU资源,如上图所示:
GPU测试代码:
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
查看日志信息若包含gpu信息,就是使用了gpu
上图显示了GPU的型号以及计算能力等
利用下面的代码可以查看 tensorflow 的版本:
import tensorflow as tf
tf.__version__
下面是安装Tensorflow1.8的代码:
Tensorflow1.8 支持到了CUDA9.0,tensorflow-gpu 的1.8版本的安装代码:
conda install --channel https://conda.anaconda.org/c3i_test2 tensorflow-gpu
附一个keras2.2.4的GPU版本的安装方式:
conda install --channel https://conda.anaconda.org/anaconda keras-gpu
在上述Keras2.2.4和tensorflow1.11版本下的OpenCV3.4.1
conda install --channel https://conda.anaconda.org/eyeware opencv
在Ubuntu18.04下的一个opencv3.4.2的安装方式:
conda install --channel https://conda.anaconda.org/anaconda opencv
Reference:
tensorflow运行出现错误 : ImportError: Could not find 'cudart64_90.dll'.
彻底解决tensorflow:ImportError: Could not find 'cudart64_90.dll'
成功解决:FutureWarning:
确定自己的TensorFlow是CPU还是GPU的版本
tensorflow-gpu测试代码
tensorflow gpu使用说明
我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本
tensorflow on GPU: no known devices, despite cuda's deviceQuery returning a “PASS” result
windows10(64位)Anaconda3+Python3.6搭建Tensorflow(cpu版本)及keras
Win10上安装Keras 和 TensorFlow(GPU版本)
深度学习 GPU环境 Ubuntu 16.04 + Nvidia GTX 1080 + Python 3.6 + CUDA 9.0 + cuDNN 7.1 + TensorFlow 1.6 环境配置
Ubuntu16.04下Anaconda3的安装
win10 anaconda3环境下安装tensorflow-GPU(仅需两行代码即可)相关推荐
- Win10环境下安装TensorFlow 2.0简明教程
致谢 很感谢赵学长给我悉心指导,在我学习TensorFlow 2.0过程中给我解惑,让我有信心着手学习人工智能,因此平生第一次写博客,要向赵学长致谢! 前言 有小伙伴调侃:TensorFlow的学习门 ...
- Win10系统Anaconda下安装TensorFlow、Karas和PyTorch
Win10系统Anaconda下安装TensorFlow.Karas和PyTorch Anaconda的选择 Anaconda的安装 TensorFlow的安装 Keras安装 PyTorch安装 A ...
- 基于飞桨PaddlePaddle实现素描线稿提取——仅需一行代码即可实现模型调用
一行代码实现从彩色图提取素描线稿 一.前言:初识PaddleHub 预训练模型(Pre-Trained Models) 二.构建Module的大框架 1.将模型文件存放在infer_model下 2. ...
- ML之FE:在模型训练中,仅需两行代码实现切分训练集和测试集并分离特征与标签
ML之FE:在模型训练中,仅需两行代码实现切分训练集和测试集并分离特征与标签 目录 仅需两行代码实现切分训练集和测试集并分离特征与标签 输出结果 实习代码 仅需两行代码实现切分训练集和测试集并分离特征 ...
- 如何在anaconda环境下安装tensorflow/pytorch/keras等
第一种方法:在conda 环境中安装 第一步:找到 Anaconda Navigator 第二步:打开,找到环境 点击creat(+)按钮,输入需要的环境,之后点击另外一个creat 安装其他的库步骤 ...
- windows10下安装tensorflow(gpu版本)
windows10安装tensorflow的gpu版本(pip3安装方式) 前言: TensorFlow 有cpu和 gpu两个版本:gpu版本需要英伟达CUDA 和 cuDNN 的支持,cpu版本不 ...
- zcu111 with pynq环境下安装tensorflow
zcu111是RFSoc,基本结构仍然是ARM+FPGA.最近想在板子上跑CNN,由于训练集较小,故打算直接在ARM上训练,因此需要在linux(pynq)环境下install深度学习框架,经过尝试之 ...
- WIn10+Anaconda 环境下安装 PyTorch 避坑指南
红色石头的个人网站:redstonewill.com 这些天安装 PyTorch,遇到了一些坑,特此总结一下,以免忘记.分享给大家. 首先,安装环境是:操作系统 Win10,已经预先暗转了 Anaco ...
- Win10+Anaconda环境下安装PyTorch
首先,安装环境是:操作系统 Win10,已经预先暗转了 Anaconda. 1. 为 PyTorch 创建虚拟环境 关于 Anaconda 的安装步骤这里就忽略不讲了,Win10 下安装 Anacon ...
最新文章
- Apollo升级系统 --- 使用说明
- 对于HTML表单输入字段,disabled =“ disabled”和readonly =“ readonly”有什么区别?
- oracle内部函数,[数据库]Oracle内置函数
- 跳槽上班第一天的感受
- Python SimpleITK实现医学图像增强算法
- IEnumerable
- 语言怎么绘画人物肖像_绘画丨毛焰 Mao Yan 作品
- WinFrom 中 label背景透明
- 市政基础设施工程与建筑工地施工人员安全管理实名制通道系统的应用与解决方案
- 倾斜摄影当中模型精度和测绘当中的分辨率/比例尺是怎么回事?
- qiankun加载vue子应用报错[import-html-entry]: error occurs while executing normal script
- Tensorflow serving 学习(一)
- 针对全局的接口出入参加解密-AES/ECB/PKCS5Padding
- (二)八卦起点作家转会纵横-------- 比较全(包括JJ,起点ceo.邪月MM的发言的发言)...
- Python学习(4)——数学类问题解答
- es的自动补全查询——DSL语句java代码实现
- 湖南大学计算机专业女生宿舍,湖南大学男生女生宿舍内部图片环境怎么样及条件...
- 计算机英语与计算机术语 computational English
- 【Code Pratice】—— 《图解算法数据结构 ~ 第一章》
- ESP32教程——霍尔效应传感器
热门文章
- 诺基亚“东山再起”业务重组 全球裁员引关注
- 2019超导量子计算机最新报道,在高温超导体加持下,量子效应的量子计算机,或将迎来重大突破...
- 首个室温超导体问世,为了发现它,科学家用废了几十颗钻石 | Nature封面-1
- Class -- 08 -- Parameter类常用方法解析
- 这些故事你尽管听,不奇葩算我输!
- 会oracle能找什么岗位的工作,oracle岗位职责
- 买新不买旧?选购固态硬盘的几点建议
- [ZT]迅雷的工作原理
- Linux权限管理练习-->>神仙和妖怪
- TypeError: can‘t convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory