安装GPU版本的TensorFlow

  • win10 x64
  • python 3.6
  • 显卡 GTX 940mx
  • Cuda 8.0
  • cudnn v5.1
  • TensorFlow-gpu 1.0.0

1. 安装CUDA

显卡型号支持:https://developer.nvidia.com/cuda-gpus

下载安装CUDA,安装好之后把CUDA安装目录下的bin和lib\64添加到Path环境变量中

2. 安装cuDNN

下载CuDNN需要注册账号

下载安装cuDNN

解压压缩包,把压缩包中bin,include,lib中的文件分别拷贝到c:\Program Files\NVIDIA GPU Computing Tookit\CUDA\v8.0 目录下对应目录中

3. 把c:\Program Files\NVIDIA GPU Computing Tookit\CUDA\v8.0\extras\CUPTI\libx64\cupti64_80.dll拷贝到c:\Program Files\NVIDIA GPU Computing Tookit\CUDA\v8.0\bin

4. 进入cmd,安装gpu版本的TensorFlow

pip install tensorflow-gpu

5. 测试是否安装成功 

import tensorflow as tf

x= tf.random_normal((10, 10))
y = tf.random_normal((10, 50))
z = tf.matmul(x, y)
sess = tf.InteractiveSession()sess.run(z)

  

参考文献:

【1】【Win7 x64】+【annaconda3】+ 【python3.5.2】+【tensorflow-gpu】 [最终配置 gtx 940mx + Cuda8.0+cudnn v5.1 + tensorflow-gpu1.0.0 ]

原文地址:https://www.cnblogs.com/nxf-rabbit75/p/10636566.html

时间: 2024-10-30 22:37:07

安装GPU版本的TensorFlow的相关文章

安装GPU版本的tensorflow填过的那些坑!---CUDA说再见!

那些坑,那些说不出的痛! --------回首安装的过程,真的是填了一个坑又出现了一坑的感觉.记录下了算是自己的笔记也能给需要的人提供一点帮助. 1 写在前面的话 其实在装GPU版本的tensorflow最难的地方就是装CUDA的驱动.踩过一些坑之后,终于明白为什么Linus Torvald 对英伟达有那么多的吐槽了.我的安装环境是ubuntu16.04,安装的是CUDA-8.0.其他驱动安装一般不会遇到很大的问题,都是一些小问题,一般不会卡很久.可以参考官网的安装过程. 2 眼花缭乱的CUDA

安装GPU版本的tensorflow过程总结

首先安装cuda,和cudnn 安装完了后再用pip去安装tensorflow的指令如下:$ sudo pip install https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl 在spyder环境下,利用GPU模式下的tesorflow跑cnn时,出现 E tensorflow/stream_executor/cuda/cuda_dnn.cc:390]L

Ubuntu 16安装GPU版本tensorflow

pre { direction: ltr; color: rgb(0, 0, 0) } pre.western { font-family: "Liberation Mono", "Courier New", monospace } pre.cjk { font-family: "Nimbus Mono L", "Courier New", monospace } pre.ctl { font-family: "Li

关于gpu版本的tensorflow+anaconda+jupyter的一些安装问题(持续更新)

关于anaconda安装,虽然清华镜像站资源很丰富,但是不知道是网络还是运气的问题,用这个路径安装的时候总是出现文件丢失.具体表现可能是anaconda prompt 找不到,conda命令无效等问题(已经加了系统变量), 我自己的问题发现是Scripts安装包总是不全,因为当时是初学,干脆就用了miniconda来暂时代替,也可以通过miniconda安装,比较快可以满足初学需要. 进度需要,现在安装anaconda,一开始没有清理垃圾页面,同时从两个源下载,就出现了下图这种问题,打不开,而且

tensorflow 安装gpu版本

pip install tensorflow-gpu  # stable pip install tf-nightly      # preview 原文地址:https://www.cnblogs.com/ls1997/p/11708644.html

pycharm+annaconda3+python3.5.2 + 安装tensorflow-gpu版本 [gtx 940mx + Cuda7.0+cudnn v4.0 ]

1.安装cuda Toolkit 和cudnn (百度云可下载,版本需要对应) 2.配置环境变量: 3.安装cudnn(需要拷贝一些dll和lib来进行配置) 4.进入cmd,找到anaconda3的pip路径,用下面的命令来执行,可以卸载cpu版本的tensorflow,安装gpu版本的tensorflow pip uninstall tensorflow pip install tensorflow-gpu 完成,tensorflow在训练时候会自动调用gpu来进行计算

【转】Ubuntu 16.04安装配置TensorFlow GPU版本

之前摸爬滚打总是各种坑,今天参考这篇文章终于解决了,甚是鸡冻\(≧▽≦)/,电脑不知道怎么的,安装不了16.04,就安装15.10再升级到16.04 requirements: Ubuntu 16.04 python 2.7 Flask tensorflow GPU 版本 安装nvidia driver 经过不断踩坑的安装,终于google到了靠谱的方法,首先检查你的NVIDIA VGA card model sudo lshw -numeric -C display 可以看到你的显卡信息,比如

windows10安装tensorflow的gpu版本(pip3安装方式)

前言: TensorFlow 有cpu和 gpu两个版本:gpu版本需要英伟达CUDA 和 cuDNN 的支持,cpu版本不需要:本文主要安装gpu版本. 1.环境 gpu:确认你的显卡支持 CUDA,这里确认. vs2015运行时库:下载64位的,这里下载,下载后安装. python 3.6/3.5:下载64位的,这里下载,下载后安装. pip 9.0.1(确认pip版本 >= 8.1,用pip -V 查看当前 pip 版本,用python -m pip install -U pip升级pip

Linux服务器配置GPU版本的pytorch Torchvision TensorFlow

最近在Linux服务器上配置项目,项目需要使用GPU版本的pytorch和TensorFlow,而且该项目内会同时使用TensorFlow的GPU和CPU. 在服务器上装环境,如果重新开始,就需要下载很多依赖包,而且如果直接在系统上安装包,可能会和服务器上的其他包发生冲突,因此使用Anaconda创建虚拟环境来管理项目的依赖包.Anaconda的安装可以去清华大学的镜像下载,速度比较快,选择对应的版本就可以了 https://mirrors.tuna.tsinghua.edu.cn/anacon