tensorflow安装

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了tensorflow安装，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3600字，纯文字阅读大概需要6分钟。

内容图文

首先去英伟达官网下载合适的驱动,(Notebooks代表笔记本)

网址: https://www.nvidia.cn/geforce/drivers/

主要娱乐选game ready

如果笔记本是主力生产力工具就选studio

 

 

 

 

显卡驱动支持的CUDA版本查看

两种办法:

1.是打开NVIDIA设置，在菜单“帮助”-》“系统信息”弹出的对话框的“组件”tab框中能看到。

2.参考显卡驱动的Release Notes

网址: https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

 

五.CUDA版本选择

CUDA版本选择要看其他上层库的需求，比如TensorFlow，caffe,OpenCV，还有编译环境的需求，比如VisualStudio等。
下载地址：https://developer.nvidia.com/cuda-toolkit-archive
 

都勾上吧

tensorflow版本要求：
https://tensorflow.google.cn/install/source_windows
windows操作系统和VS编译器需求：（可以在安装指导中找到）

 

六.cuDNN版本
要选择和cuda对应版本的,其实这只是一个基于cuda的库，不需要安装，下载后的压缩包解压后是一些头文件，lib和dll（windows操作系统）文件。
cudnn下载地址：（需要登录）
https://developer.nvidia.com/rdp/cudnn-download

下载完成后，将这个压缩包里的所有文件放到CUDA安装目录相应文件夹下即可。

 

计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量，接下来，还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0(这是默认安装位置的路径，经自定义路径后，我的路径为D:\NVIDIA\CUDA Samples)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

 

在系统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
再添加如下4条（默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64；

配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：
首先win+R启动cmd，cd到安装目录下的...\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:

如果以上两步都返回了Result=PASS，那么就算成功啦。

 

 

 

 

 

测试

鸡冻人心时候到了，打开cmd，输入nvcc -V

 

下面来验证下，打开pycharm，输入

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
config = tf.compat.v1.ConfigProto(allow_soft_placement=True)

sess = tf.compat.v1.Session(config=config)
with tf.device('/gpu:0'):
    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)
    print(sess.run(c))

不是的话,先看看GPU是否可用

import tensorflow as tf

if tf.test.gpu_device_name():

    print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))

else:

    print("Please install GPU version of TF")

 

tensorflow GPU测试tf.test.is_gpu_avaiable()返回false解决方法

1、在桌面右击，打开Nvidia控制面板，若无Nvidia控制面板，则执行步骤2；若有，执行步骤3。
2、下载Nvidia Experience，默认选项安装（大概占用C盘4G容量）。安装完成后，执行步骤1.
3、打开系统信息。

4、查看CUDA的驱动版本，如果版本太低，到Nvidia Experience更新驱动程序。默认安装即可。
5、安装完之后，顺便把PhysX设置固定为独立显卡。

自己出现Could not load dynamic library 'cusolver64_10.dll'; dlerror: cusolver64_10.dll not found错误

发现是自己的版本安装的太新了，更新到了11  所以名字改为10

 

 

 

七.显卡GPU 算力查询

https://developer.nvidia.com/cuda-gpus

 

 

 

首先去看自己CUDA和驱动对应的版本:

网址:https://tensorflow.google.cn/install/source_windows

 

CUDA工具包和最低兼容驱动程序版本

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#cuda-major-component-versions

内容总结

以上是互联网集市为您收集整理的tensorflow安装全部内容，希望文章能够帮你解决tensorflow安装所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---