大家好,又见面了,我是你们的朋友全栈君。
一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错
(1)确定自己要安装哪个版本的tensorflow-gpu;
(1)根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本;
(2)根据要安装的CUDA版本确定要下载的Cudnn版本。
二、tensorflow-gpu版本与CUDA版本对应关系
不同版本的tensorflow-gpu与CUDA对应关系如下表所示(图片有点旧了,python版本是2.7和3.3-3.8):
对于版本号大于1.13的tensorflow-gpu的1.x版本,如1.14、1.15,建议安装CUDA10.0,不要安装CUDA10.1,安装后会提示缺少很多库文件,而导致GPU版本的tensorflow无法使用,如下图所示:
如果是2.0以上的tensorflow,按下面列表安装(2021年3月更新):
TF | CUDA | cudnn |
---|---|---|
2.0 | 10.0 | 7.6 |
2.1 | 10.1 | 7.6 |
2.2 | 10.1 | 7.6 |
2.3 | 10.1 | 7.6 |
2.4 | 11.0 | 8.0 |
2.5 | 11.2 | 8.1 |
2.6 | 11.3 | 8.2 |
2.7 | 11.3 | 8.2 |
三、CUdnn与CUDA的对应关系
NVIDIA官网链接:https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
目前为止(2019年11月2日),最新的cuDNN版本号是7.6.3,7.5和7.6的cuDNN都支持CUDA10.1,7.4只能支持到CUDA10.0,一般如果安装的CUDA10.0的话,cuDNN7.4是可以的。
四、检验tensorflow-gpu安装成功
输入以下命令:
import tensorflow as tf
a = tf.constant([1.0,2.0,3.0],shape = [3], name='a')
b = tf.constant([1.0,2.0,3.0], shape = [3], name='b')
c = a +b
sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))
print(sess.run(c))
若显示一下信息,说明安装成功。
如果按照以上方法安装后出现了以下错误:
ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory
那么在终端输入以下命令:
sudo ldconfig /usr/local/cuda-10.0/lib64
一般就能解决问题!
也可用一下方式临时检验:
对于2.0以前版本:
tf.test.is_gpu_available()
2.1以后版本:
tf.config.list_physical_devices('GPU')
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/145966.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...