conda/pip两种快速安装Tensorflow-gpu的方式

主要讲一下在Linux下安装tensorflow gpu版的两种方式:使用conda和pip安装。安装cpu版本比较简单,安装命令相同,但是省去了安装cuda和cudnn。

注意: 在安装tensorflow gpu版本前,首先要清楚不同版本tensorflow对应不同的cuda,cudnn版本,而不同的cuda版本对显卡驱动版本又有要求。这几个版本不符合要求是无法使用gpu版本的tensorflow,下面给出了官网说明。
tensorflow-gpu各版本与cuda,cudnn匹配查询:
https://tensorflow.google.cn/install/source?hl=en#linux
CUDA版本与显卡驱动版本匹配查询:
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

关于CUDA和cuDNN安装本文不再详说,CSDN上一搜一大堆。先在nvidia官网下载CUDA安装文件和cuDNN安装文件(需要登陆后才能下载)。这里给出安装教程链接:CUDA安装教程,cuDNN安装教程。

1、使用conda安装tensorflow(推荐):
先用conda查询可以安装的tensorflow版本,根据当前的python环境,查询到的版本会有不同,在tensorflow官网安装页面上可以查到不同tensorflow版本支持的python ,若要安装cpu版本的tensorflow直接将后面的-gpu去掉即可。

conda search tensorflow-gpu

安装所需的tensorflow版本,等号后面指定版本,若不指定默认安装最新版本。在安装tensorflow 2.0以上版本时会自动安装上依赖的cuda和cudnn,省去了另外安装cuda和cudnn,1.x的版本未做测试,1.x的版本能否自动搜索安装所需的cuda和cudnn待确定。

conda install tensorflow-gpu=1.15.0

2、使用pip安装tensorflow
pip安装就一行命令,等号后面可以指定版本,若不指定默认安装最新版本:

pip install tensorflow-gpu==1.15.0

安装好后检查tensorflow gpu版本是否可用,返回结果为True则可用。

import tensorflow as tf
print(tf.test.is_gpu_available())

你可能感兴趣的:(conda/pip两种快速安装Tensorflow-gpu的方式)