tensorflow 2.x CPU/GPU安装攻略

tensorflow 2.x CPU/GPU安装攻略

首先的首先,需要解决一个疑问,tensorflow2.x通过pip install是不需要装什么tensorflow-gpu的,只装一个tensorflow即可

进入tensorflow官网安装页面,看到提供最新的安装方式pip install tensorflow,然而,用这个方式下载的版本是最新的(笔者此时是2.4.0),同时根据官网提示,不同tensorflow版本对应不同版本的cuDNN和CUDA。所以要选择相应的安装。
https://tensorflow.google.cn/install/source_windows
tensorflow 2.x CPU/GPU安装攻略_第1张图片
由于,笔者此前安装过pytorch,也配置了GPU,安装的是CUDA10.1,所以选择了tensorflow2.3.0版本安装。

pip install tensorflow==2.3.0

Tensorflow GPU使用的相同软件CUDA和cuDNN

ps. 几乎一样的pytorch的GPU配置(CUDA+cuDNN) https://codingchaozhang.blog.csdn.net/article/details/99688839

  • 查看NVIDIA显卡支持的cuda版本,右键NVIDIA控制面板。可以看到我这里支持的CUDA 11.1。但是还是配置了10.1版本。
    tensorflow 2.x CPU/GPU安装攻略_第2张图片
  • 下载对应版本CUDA https://developer.nvidia.com/cuda-toolkit-archive
  • 下载与CUDA10.1版本对应的cuDNN(需要注册账号)。选择v7.6.5版本下载。并把包内的bin,include,lib文件夹内的文件直接复制到CUDA的安装目录下。注意:之前配置pytorch时,下载了更新的cudnn版本,但是与tensorflow需要的版本不一致,会报错cudnn64_7.dll不存在(之前装的里面有一个是cudnn64_8.dll),遇到这种情况,直接把这个v7.6.5版本下载后的cudnn64_7.dll复制到cuda相应的文件夹内。
    tensorflow 2.x CPU/GPU安装攻略_第3张图片
    那么这样,cuda和cudnn就配置完了。
    一般来说,也不需要配置环境变量,因为安装cuda后,环境变量就自动配置好了。

检验tensorflow的GPU是否可用

import tensorflow as tf
print(tf.test.is_gpu_available())
tf.config.list_physical_devices('GPU')

输出:
在这里插入图片描述
成功!!!

ps. 有一次安装tensorflow之后,发现并没有同步到anaconda,conda list没有tensorflow,可以用pip show看一看装的包放在了哪,肯定是没有在anaconda的目录下site-packages,多数是放到了系统环境下。C:\Users\username\AppData\Roaming\Python\Python38
只要把tensorflow及上面这个目录下的site-packages卸载重装就行了。

pip uninstall tensorflow
pip uninstalll tensorboard
...

你可能感兴趣的:(机器学习,tensorflow)