Tensorflow 2.0 GPU 版本的安装 | 学习笔记

简介: 快速学习 Tensorflow 2.0 GPU 版本的安装

开发者学堂课程【Tensorflow2.0入门与实战Tensorflow 2.0 GPU 版本的安装】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/664/detail/11097


Tensorflow 2.0 GPU版本的安装


内容介绍:

一、安装要求

二、如何查看驱动版本

三、搭建开发环境 Visual C++ 安装

四、Tensorflow 2.0 GPU 版本安装步骤

一、安装要求

1.安装 GPU 版本必须有 GPU 硬件的支持。

2.TensorFlow 对 NVIDIA 显卡的支持较为完备。

3.使用 conda 来安装GPU版本,对于 NVIDIA 显卡,要求其 CUDA Compute Capability 须不低于3.0。

算力参考: https://developer.nvidia.com/cuda-gpus

4.驱动版本注意: NVIDIA 驱动程序需410.x 或更高版本。

5.以下两个是依赖库的版本要求,不需要手动安装。

CUDA 的版本需要是10.0

Cudnn 版本号需要不小于7.4.1

 

二、如何查看驱动版本

NVIDIA 驱动程序版本查看:命令行中执行: nvidia-smi

如下图,

nvidia-smi 满足大于410,所以可以安装 Tensorflow 2.0。

image.png

如果驱动版本不能达到安装 Tensorflow 2.0 的要求,可通过下面的地址下载。

NVIDIA 驱动程序下载地址:

https://www.nvidia.com/Download/index.aspx?lang=en-us

 

三、搭建开发环境Visual C++安装

Visual C++安装,可从微软的官网下载

https://support.microsoft.com/zh-cn/help/2977003/the-latest-supported-visual-c-downloads(双击安装,安装完需重启计算机)


四、Tensorflow 2.0 GPU 版本安装步骤

1.安装 Miniconda

请注意:如果您之前安装过 Anaconda ,请务必卸载。

注意:此处最新版本仅指当前的最新版本,2020.5前,后面如果 miniconda 新版本默认使用了3.8就不合适了。

下载完成后如下图,双击打开安装默认指示安装即可

image.png

2.安装 Miniconda

设置 conaa 使用国内源

image.png

3.安装GPU版本:

conda install tensorflow-gpu==2.0.0

完成

4.检验安装是否完成

在搜索框中搜索 anaconda prompt 进入 anaconda prompt 的命令行,命令行中输入 jupyter notbook 打开 jupyter,然后建立一个 notbook 文件。

image.png

如上图,如果 c 出现 ture 表示安装成功。

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
|
1月前
|
并行计算 PyTorch TensorFlow
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。
3274 3
|
1月前
|
监控 异构计算
Jetson 学习笔记(八):htop查看CPU占用情况和jtop监控CPU和GPU
在NVIDIA Jetson平台上使用htop和jtop工具来监控CPU、GPU和内存的使用情况,并提供了安装和使用这些工具的具体命令。
111 0
|
1月前
|
缓存 TensorFlow 算法框架/工具
TensorFlow学习笔记(一): tf.Variable() 和tf.get_variable()详解
这篇文章详细介绍了TensorFlow中`tf.Variable()`和`tf.get_variable()`的使用方法、参数含义以及它们之间的区别。
70 0
|
1月前
|
PyTorch TensorFlow 算法框架/工具
Jetson环境安装(一):Ubuntu18.04安装pytorch、opencv、onnx、tensorflow、setuptools、pycuda....
本文提供了在Ubuntu 18.04操作系统的NVIDIA Jetson平台上安装深度学习和计算机视觉相关库的详细步骤,包括PyTorch、OpenCV、ONNX、TensorFlow等。
44 1
Jetson环境安装(一):Ubuntu18.04安装pytorch、opencv、onnx、tensorflow、setuptools、pycuda....
|
1月前
|
并行计算 TensorFlow 算法框架/工具
tensorflow安装
tensorflow安装——GPU版
44 2
|
1月前
|
并行计算 PyTorch TensorFlow
环境安装(一):Anaconda3+pytorch1.6.0+cuda10.0+cudnn7.6.4+tensorflow1.15+pycocotools+pydensecrf
这篇文章详细介绍了如何在Anaconda环境下安装和配置深度学习所需的库和工具,包括PyTorch 1.6.0、CUDA 10.0、cuDNN 7.6.4、TensorFlow 1.15、pycocotools和pydensecrf,并提供了pip国内镜像源信息以及Jupyter Notebook和Anaconda的基本操作。
116 0
环境安装(一):Anaconda3+pytorch1.6.0+cuda10.0+cudnn7.6.4+tensorflow1.15+pycocotools+pydensecrf
|
1月前
|
TensorFlow 算法框架/工具
Tensorflow学习笔记(二):各种tf类型的函数用法集合
这篇文章总结了TensorFlow中各种函数的用法,包括创建张量、设备管理、数据类型转换、随机数生成等基础知识。
31 0
|
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。
62 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
59 0
|
3月前
|
图形学 异构计算
Unity3D学习笔记8——GPU实例化(3)
Unity3D学习笔记8——GPU实例化(3)
41 0

热门文章

最新文章