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。
相关文章
|
3月前
|
并行计算 TensorFlow 算法框架/工具
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。
318 3
|
3月前
|
持续交付 测试技术 jenkins
JSF 邂逅持续集成,紧跟技术热点潮流,开启高效开发之旅,引发开发者强烈情感共鸣
【8月更文挑战第31天】在快速发展的软件开发领域,JavaServer Faces(JSF)这一强大的Java Web应用框架与持续集成(CI)结合,可显著提升开发效率及软件质量。持续集成通过频繁的代码集成及自动化构建测试,实现快速反馈、高质量代码、加强团队协作及简化部署流程。以Jenkins为例,配合Maven或Gradle,可轻松搭建JSF项目的CI环境,通过JUnit和Selenium编写自动化测试,确保每次构建的稳定性和正确性。
59 0
|
3月前
|
UED 存储 数据管理
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。
80 0
|
3月前
|
并行计算 TensorFlow 算法框架/工具
Window安装TensorFlow-GPU版本
Window安装TensorFlow-GPU版本
53 0
|
3月前
|
TensorFlow 算法框架/工具 异构计算
【Tensorflow 2】查看GPU是否能应用
提供了检查TensorFlow是否能应用GPU的方法。
22 2
|
3月前
|
编译器 Linux TensorFlow
【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。
47 0
|
4月前
|
Linux TensorFlow 算法框架/工具
安装GPU版本的TensorFlow
【7月更文挑战第3天】安装GPU版本的TensorFlow。
211 1
|
4月前
|
机器学习/深度学习 TensorFlow API
Keras是一个高层神经网络API,由Python编写,并能够在TensorFlow、Theano或CNTK之上运行。Keras的设计初衷是支持快速实验,能够用最少的代码实现想法,并且能够方便地在CPU和GPU上运行。
Keras是一个高层神经网络API,由Python编写,并能够在TensorFlow、Theano或CNTK之上运行。Keras的设计初衷是支持快速实验,能够用最少的代码实现想法,并且能够方便地在CPU和GPU上运行。
|
6天前
|
弹性计算 人工智能 Serverless
阿里云ACK One:注册集群云上节点池(CPU/GPU)自动弹性伸缩,助力企业业务高效扩展
在当今数字化时代,企业业务的快速增长对IT基础设施提出了更高要求。然而,传统IDC数据中心却在业务存在扩容慢、缩容难等问题。为此,阿里云推出ACK One注册集群架构,通过云上节点池(CPU/GPU)自动弹性伸缩等特性,为企业带来全新突破。
|
3月前
|
机器学习/深度学习 编解码 人工智能
阿里云gpu云服务器租用价格:最新收费标准与活动价格及热门实例解析
随着人工智能、大数据和深度学习等领域的快速发展,GPU服务器的需求日益增长。阿里云的GPU服务器凭借强大的计算能力和灵活的资源配置,成为众多用户的首选。很多用户比较关心gpu云服务器的收费标准与活动价格情况,目前计算型gn6v实例云服务器一周价格为2138.27元/1周起,月付价格为3830.00元/1个月起;计算型gn7i实例云服务器一周价格为1793.30元/1周起,月付价格为3213.99元/1个月起;计算型 gn6i实例云服务器一周价格为942.11元/1周起,月付价格为1694.00元/1个月起。本文为大家整理汇总了gpu云服务器的最新收费标准与活动价格情况,以供参考。
阿里云gpu云服务器租用价格:最新收费标准与活动价格及热门实例解析