使用anaconda配置gpu版本的tensorflow(30系列以下显卡)

简介: 使用anaconda配置gpu版本的tensorflow(30系列以下显卡)

环境内容


tensorflow-gpu:2.2.0


无需安装keras,tensorflow与keras合并了,简而言之,tensorflow自带keras


接下来要用到的所有安装文件——网盘下载(不用自己去下载啦):


链接:https://pan.baidu.com/s/1cSwNCRKY0syOt-NBEdr94Q

提取码:p002  


一、Anaconda环境配置


1、Anaconda的下载(可以跳过)


————————————————

新版本anaconda的下载:

       安装最新的Anaconda,首先登录Anaconda的官网:Anaconda | Individual Edition。直接下载对应安装包就可以。


2、Anaconda的安装


打开下载好的安装包。


1dc618a0ed9580ce8bfa6facb208c08f.png


       选择安装的位置,可以不安装在C盘。 我选择了Add Anaconda to my PATH environment variable,这样会自动将anaconda装到系统的环境变量中,配置会更加方便一些。


5d4c6812c8535adbb050f4ddf2e1bce8.png


等待安装完之后,Anaconda的安装就结束了。


二、Cudnn和CUDA的下载和安装


       我这里使用的是tensorflow-gpu=2.2.0,官方推荐的Cuda版本是10.1,因此会用到cuda10.1,与cuda10.0对应的cudnn是7.6.5。(当然高一点的版本也是没有问题的,但尽量不要低于)


1、Cudnn和CUDA的下载(已给)


具体下载过程包括注册等繁琐的步骤,既然已经给了安装包,为了保持精简就不在此赘述。


2、Cudnn和CUDA的安装


下载好之后可以打开exe文件进行安装。


46a9d80a6e05e4e3b19d57a0ee70bcdf.png


这里选择自定义。


66ba272a0bfc97be54a5fa679e3d5482.png


然后直接点下一步就行了。


88b9988b40447cb37c7e3c492d49867f.png


        安装完后在C盘这个位置可以找到根目录。C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0然后大家把Cudnn的内容进行解压。 把这里面的内容直接复制到C盘的根目录下就可以了。

80308c27701d3aead18db6c7b167f308.png

      安装完成后配置环境,Path需要手动添加如下路径,对应上一步的安装路径:此电脑右键->属性->高级系统设置->环境变量->双击系统环境变量中的Path点击新建,检查,若在系统变量中已有路径,无需执行此步。 (--一条一条添加--)

1014213c4196c8798c8417b952a8a253.png

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

1dc618a0ed9580ce8bfa6facb208c08f.png

       检查安装是否成功,cmd中输入 nvcc -V(V一定要大写)

5d4c6812c8535adbb050f4ddf2e1bce8.png


三、配置Tensorflow环境


1、Tensorflow环境的创建与激活


打开anaconda prompt:

46a9d80a6e05e4e3b19d57a0ee70bcdf.png

66ba272a0bfc97be54a5fa679e3d5482.png

conda create -n tf2-gpu python=3.7 -y
activate tf2-gpu

这里一共存在两条指令:


前面一条指令用于创建一个名为tf2-gpu的环境,该环境的python版本为3.7。


后面一条指令用于激活一个名为tf2-gpu的环境。


由于我们所有的操作都要在对应环境中进行,所以在进行库的安装前需要先激活环境。


2、相关库的安装


需要安装的库总览:


scipy==1.4.1
numpy==1.18.4
matplotlib==3.2.1
opencv_python==4.2.0.34
tensorflow_gpu==2.2.0
tqdm==4.46.1
Pillow==8.2.0
h5py==2.10.0

如果想要更便捷的安装可以在桌面或者其它地方创建一个requirements.txt文件,复制上述内容到txt文件中。


88b9988b40447cb37c7e3c492d49867f.png


输入命令:


小技巧:只需要把文件移动文件到anaconda/cmd窗口中可以自动获取该文件的绝对路径。


pip install -r C:\Users\33232\Desktop\requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/


四、使用tf2-gpu环境 (可看我以往教程最后一步)


(5条消息) 没有显卡怎么使用anaconda配置tensorflow深度学习环境_舞雩.的博客-CSDN博客_tensorflow-cpu


Tensorflow使用GPU加速训练且自动分配内存

gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
for gpu in gpus:
    tf.config.experimental.set_memory_growth(gpu, True)

完毕!


如果大家觉得本文章对你有帮助,麻烦点赞+收藏一下,谢谢!  


相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
目录
打赏
0
0
0
0
190
分享
相关文章
Ubuntu安装笔记(一):安装显卡驱动、cuda/cudnn、Anaconda、Pytorch、Tensorflow、Opencv、Visdom、FFMPEG、卸载一些不必要的预装软件
这篇文章是关于如何在Ubuntu操作系统上安装显卡驱动、CUDA、CUDNN、Anaconda、PyTorch、TensorFlow、OpenCV、FFMPEG以及卸载不必要的预装软件的详细指南。
7027 3
conda、anaconda、pip、pytorch、tensorflow有什么关联?
conda、anaconda、pip、pytorch、tensorflow有什么关联?
120 3
Windows11+CUDA12.0+RTX4090如何配置安装Tensorflow2-GPU环境?
本文介绍了如何在Windows 11操作系统上,配合CUDA 12.0和RTX4090显卡,通过创建conda环境、安装特定版本的CUDA、cuDNN和TensorFlow 2.10来配置TensorFlow GPU环境,并提供了解决可能遇到的cudnn库文件找不到错误的具体步骤。
915 3
深度解析 Uno Platform 离线状态处理技巧:从网络检测到本地存储同步,全方位提升跨平台应用在无网环境下的用户体验与数据管理策略
【8月更文挑战第31天】处理离线状态下的用户体验是现代应用开发的关键。本文通过在线笔记应用案例,介绍如何使用 Uno Platform 优雅地应对离线状态。首先,利用 `NetworkInformation` 类检测网络状态;其次,使用 SQLite 实现离线存储;然后,在网络恢复时同步数据;最后,通过 UI 反馈提升用户体验。
158 0
【Deepin 20系统】Tensorflow2.x离线下载cifar-10-python.tar.gz如何配置使用cifar10.load_data()
文章讨论了在Deepin 20系统上使用Tensorflow 2.x时,如何通过离线方式配置使用CIFAR-10数据集。
80 0
|
10月前
|
GPU_nvidia-container-toolkit安装和配置
GPU_nvidia-container-toolkit安装和配置
2130 1
2025年阿里云GPU服务器租用价格、选型策略与应用场景详解
随着AI与高性能计算需求的增长,阿里云提供了多种GPU实例,如NVIDIA V100、A10、T4等,适配不同场景。2025年重点实例中,V100实例GN6v单月3830元起,适合大规模训练;A10实例GN7i单月3213.99元起,适用于混合负载。计费模式有按量付费和包年包月,后者成本更低。针对AI训练、图形渲染及轻量级推理等场景,推荐不同配置以优化成本和性能。阿里云还提供抢占式实例、ESSD云盘等资源优化策略,支持eRDMA网络加速和倚天ARM架构,助力企业在2025年实现智能计算的效率与成本最优平衡。 (该简介为原文内容的高度概括,符合要求的字符限制。)
部署DeepSeek但IDC GPU不足,阿里云ACK Edge虚拟节点来帮忙
介绍如何使用ACK Edge与虚拟节点满足DeepSeek部署的弹性需求。
阿里云当选UALink联盟董事会成员,推进新一代GPU互连技术!
阿里云当选UALink联盟董事会成员,推进新一代GPU互连技术!
24 2

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等