Tensorflow 2.3 GPU安装

以下 64 位系统支持 TensorFlow:

Ubuntu 16.04 或更高版本
Windows 7 或更高版本
macOS 10.12.6（Sierra）或更高版本（不支持GPU）
Raspbian 9.0 或更高版本

安装Python版本要求

Python 3.5 — 3.7

下载 ANACONDA 对 Python版本和第三方库进行管理

Tensorflow GPU 版本安装

安装GPU版本必须有GPU硬件的支持。
TensorFlow 对 NVIDIA 显卡的支持较为完备
可以使用 conda 来安装GPU 版本

对于 NVIDIA 显卡，要求其 CUDA Compute Capability 不低于 3.5。
算力参考：https://developer.nvidia.com/cuda-gpus

驱动版本：NVIDIA驱动程序需 418.x 或更高版本。
可在命令行汇总执行查看驱动版本：

nvidia-smi

(python37) C:\Users\78694>nvidia-smi
Fri Jan 21 00:31:07 2022
±----------------------------------------------------------------------------+
| NVIDIA-SMI 471.41 Driver Version: 471.41 CUDA Version: 11.4 |
|-------------------------------±---------------------±---------------------+
| GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce … WDDM | 00000000:01:00.0 On | N/A |
| 0% 27C P8 19W / 290W | 1823MiB / 8192MiB | 21% Default |
| | | N/A |
±------------------------------±---------------------±---------------------+

或者打开NVIDIA控制面板在菜单栏→帮助选择系统信息

可以查看到NVIDIA的硬件详细信息

GPU版本有两个依赖库，对于 tensorflow2.3来说

CUDA的版本需要是10.1
cudnn版本号需要不小于 7.6

在安装GPU版本的依赖库时，建议设置conda的国内镜像源，可以加速依赖库的下载

anaconda prompt 命令行，执行：

conda install cudatoolkit=10.1
conda install cudnn=7.6.5

tensorflow安装：

pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple

在cmd中输入 python 进入python 编译环境后，输入以下命令测试 tensorflow GPU版本是否安装成功

import tensorflow as tf
tf.__version__tf.test.is_gpu_available()

注：

环境：显卡3070Ti安装

使用 ANACONDA 安装Python3.7版本

conda create -n tensorflow python=3.7

切换到刚创建的 python3.7环境中

conda activate tensorflow

查看 cudnn 和 cudatoolkit 可用的版本

conda search cudnn

conda search cudatoolkit

anaconda prompt 命令行，执行：

conda install cudatoolkit=11.4.2
conda install cudnn=8.2.0.53

查看 tensorflow-gpu 所有的版本

conda search tensorflow-gpu

使用 conda 安装Tensorflow 2.3

conda install tensorflow-gpu=2.3.0

在cmd中输入 python 进入python 编译环境后，输入以下命令测试 tensorflow GPU版本是否安装成功

import tensorflow as tf
tf.__version__tf.config.list_physical_devices('GPU')

(python37) C:\Users\78694>python
Python 3.7.12 | packaged by conda-forge | (default, Oct 26 2021, 05:35:01) [MSC v.1916 64 bit (AMD64)] on win32
Type “help”, “copyright”, “credits” or “license” for more information.
>>> import tensorflow as tf
2022-01-21 12:51:00.487045: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cudart64_101.dll
>>> tf.version
‘2.3.0’
>>>
>>> tf.config.list_physical_devices(‘GPU’)
2022-01-21 12:51:02.207078: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library nvcuda.dll
2022-01-21 12:51:02.229313: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1716] Found device 0 with properties:
pciBusID: 0000:01:00.0 name: NVIDIA GeForce RTX 3070 Ti computeCapability: 8.6
coreClock: 1.77GHz coreCount: 48 deviceMemorySize: 8.00GiB deviceMemoryBandwidth: 566.30GiB/s
2022-01-21 12:51:02.233328: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cudart64_101.dll
2022-01-21 12:51:02.494197: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cublas64_10.dll
2022-01-21 12:51:02.692815: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cufft64_10.dll
2022-01-21 12:51:02.717066: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library curand64_10.dll
2022-01-21 12:51:02.861897: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cusolver64_10.dll
2022-01-21 12:51:02.999753: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cusparse64_10.dll
2022-01-21 12:51:03.150352: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cudnn64_7.dll
2022-01-21 12:51:03.152222: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1858] Adding visible gpu devices: 0
[PhysicalDevice(name=’/physical_device:GPU:0’, device_type=‘GPU’)]
>>>

Tensorflow 2.3 GPU安装相关推荐

Window10 NVIDIA显卡 Tensorflow 2.1 GPU 安装和测试
Window10 NVIDIA显卡 Tensorflow 2.1 GPU 安装和测试 1. 硬件要求支持以下带有 GPU 的设备: CUDA® 计算能力为 3.5 或更高的 NVIDIA® GPU ...
Window10 Tensorflow 2.1 GPU 安装和测试
Tensorflow 2.1 GPU 安装和测试 1. 硬件要求 2. 软件要求简单的描述一下它们的功能 3. 安装步骤 3.1. nvidia 驱动可以到这个地址下载, 我的显卡是RTX 2070 ...
【tensorflow】tensorflow -gpu安装及jupyter环境更改
tensorflow -gpu安装首先,安装Anoconda 1. 官网下载点我: 2.安装点击 python 3.6 version自动下载x64版,下载好之后,然后安装. 如图,打上勾之后,一 ...
【TensorFlow】Windows10 64位下安装TensorFlow - 官方原生GPU版安装
之前写过一篇在 ubuntu 下安装 TensorFlow 的教程,那个时候 TensorFlow 官方还不支持 Windows 系统,虽然可以通过其他方法安装,但是终究不是原生的,而且安装过程繁琐 ...
ubuntu16.04 安装cuda9.0+cudnn7.0.5+tensorflow+nvidia-docker配置GPU服务
[摘要] docker很好用,但是在GPU服务器上使用docker却比较复杂,需要一些技巧,下面将介绍一下在ubuntu16.04环境下的GPU-docker环境搭建过程. 第一步: 删除之前的nvi ...
win10和Ubuntu16.04中基于anaconda安装TensorFlow（CPU+GPU）
目录 Windows系统下安装步骤安装CPU版本的tensorflow 安装GPU版本的tensorflow(使用GPU加速的tensorflow模型训练速度更快) Ubuntu中的安装步骤安装C ...
ubuntu16.04+GTX1060+ CUDA9.0+CUDANN7.0 tensorflow(GPU)安装，实测有效，安装包我放在云盘中，直接下载使用。
最近在运行一些 semantic segmentation 的代码,好多都是GPU版本的,自己就安装一下,记录一下,开始错了好多次,最后参考了一些文章,发现这个版本问题很重要,我用的是一下版本cuda ...
win7下安装TensorFlow框架的gpu版本
win7下安装TensorFlow框架的gpu版本首先附上成功截图一.系统情况二.安装工具准备三.TensorFlow-GPU安装四.Keras安装首先附上成功截图欢迎大家评论,若碰到了 ...
Anaconda3安装tensorflow 2.0版本cpu和gpu安装，Win10系统
tensorflow是在anaconda上安装的,所以先安装anconda 一.安装anaconda3 我安装的是这一个,anaconda自带python,所以不需要单独安装python 点击安装,一 ...

Tensorflow 2.3 GPU安装

Tensorflow 2.3 GPU安装相关推荐

最新文章

热门文章