【tensorflow】tensorflow-gpu配置, is_gpu_available总是false?

tensorflow-gpu配置及false解决方案

  • 说明
  • 解决方案
  • 参考资料

本资料需NVIDA显卡CUDA软件,且须显卡算力达标,具体算力

说明

在tensorflow 中国官网中,同步仅同步到了tensorflow2.6.0版本,参见https://tensorflow.google.cn/install/source_windows?hl=zh-cn#gpu

在英版官网,tensorflow同步消息已经更新到2.12.0,且gpu版本仅保存到2.10.0,参见https://tensorflow.google.cn/install/source_windows?hl=en#gpu

tensorflow-gpu好像停止在2.10.0版本了,再上面的版本已被更新,参见英版“Note: GPU support on native-Windows is only available for 2.10 or earlier versions, starting in TF 2.11, CUDA build is not supported for Windows. For using TensorFlow GPU on Windows, you will need to build/install TensorFlow in WSL2 or use ten”,其译文为“原生-Windows上的GPU支持仅在2.10或更早版本中可用,从TF 2.11开始,Windows不支持CUDA构建。要在Windows上使用TensorFlow GPU,您需要在WSL2中构建/安装TensorFlow,或者使用tensorflow-cpu和TensorFlow-DirectML-Plugin
【tensorflow】tensorflow-gpu配置, is_gpu_available总是false?_第1张图片

所以,我们如果想要配置tensorflow-gpu,最好的方案是配置tensorflow 2.10.0版本和tensorflow-gpu 2.10.0版本;下面在我的解决方案中,我使用了python3.10.0和上述版本的tensorflow

解决方案

在这里,我们假设您已经安装好了Anaconda,我们使用Anaconda Prompt运行如下部分

首先,如果你曾改变过anaconda的下载源,如果您需要重置Anaconda默认源,使用如下代码并回车

conda config --remove-key channels

接下来,创建一个python 3.10.0环境,其中tensorflowww是环境名称,建议使用纯英文命名

conda create -n tensorflowww python==3.10

进入创建的环境,其中tensorflowww是环境名称;如果你在其中任何一步不小心关掉窗口或退出,你也可以打开Anaconda Prompt并重新输入该指令以进入环境

conda activate tensorflowww

下载所需库,本条下载指令下载自清华大学下载源

pip install numpy matplotlib Pillow scikit-learn pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

下载tensorflow版本为2.10.0,本条下载指令下载自清华大学下载源

pip install tensorflow==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

下载tensorflow-gpu版本为2.10.0,本条下载指令下载自清华大学下载源

pip install tensorflow-gpu==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

完成上面步骤后,如果你是英伟达NVIDA显卡,你需要下载CUDA11.2和CUDnn8.1并安装、配置环境变量,具体参见中国大学MOOC第二讲2.7部分;注意,geforce不是CUDA,CUDA需独立安装

接下来,如果你已经配置完成,且tensorflow is_gpu_available总是False,可以参见《cuda11: tensorflow is_gpu_available总是False, Could not load dynamic library libcudart.so.10.0》

conda install cudatoolkit
conda install cudnn

注意,该过程下载较慢,可以尝试挂梯子,且可能会发生报错,如果报错可尝试再次输入该指令,直到下载完成为止。(如果多次尝试相同报错则建议搜索报错内容)

参考资料

https://blog.csdn.net/GungnirsPledge/article/details/108309283

https://www.icourse163.org/learn/XUST-1206363802?tid=1470103513#/learn/content?type=detail&id=1253593928&cid=1284230271

你可能感兴趣的:(tensorflow,深度学习,tensorflow,python,深度学习)