Hello TensorFlow 二 （GPU）

官方说明：https://www.tensorflow.org/install/

环境：

操作系统 ：Windows 10 家庭中文版

处理器 ： Intel(R) Core(TM) i7-7700 CPU @3.6GHZ 3.60GHZ

内存 ：16GB

显卡：NVIDIA GeForce GTX 1060 6GB

Python：3.6.2

安装GPU版

pip3 install --upgrade tensorflow-gpu

安装 NVIDIA CUDA? Toolkit 8.0.

下载地址

https://developer.nvidia.com/cuda-downloads

安装 cuDNN v6

下载地址：https://developer.nvidia.com/rdp/cudnn-download

需要注册用户

将下载后的zip文件解压到c盘 C:\cudnn-8.0-windows10-x64-v6.0

将 C:\cudnn-8.0-windows10-x64-v6.0\cuda\bin 加入到环境变量Path

验证tensorflow-gpu安装

执行sess = tf.Session()

后，会显示显卡GPU信息。

时间： 2024-08-29 07:37:10

Hello TensorFlow 二 （GPU）的相关文章

linux 安装tensorflow（gpu版本）

一.安装cuda 具体安装过程见我的另一篇博客,ubuntu16.04下安装配置深度学习环境 二.安装tensorflow 1.具体安装过程官网其实写的比较详细,总结一下的话可以分为两种:安装release版本和源码编译安装.因为源码编译安装比较繁琐,且需要安装谷歌自己的编译器bazel,所以我选择安装编译好的. 2.我写这篇博客的时候tensorflow更新到了1.4.0,安装编译好的一定看版本,因为每个版本依赖的底层库是不一样的. 1.4.0版本安装之前需要安装CUDA-8,cuDNN v6

Win10 TensorFlow（gpu）安装详解

Win10 TensorFlow(gpu)安装详解 写在前面:TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,其命名来源于本身的运行原理.Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从图象的一端流动到另一端计算过程.TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统.从去年十一月开源至今一年多一点的时间里,该项目已经收获了40000+的star和18000+的fork,

TensorFlow指定GPU/CPU进行训练和输出devices信息

TensorFlow指定GPU/CPU进行训练和输出devices信息 1.在tensorflow代码中指定GPU/CPU进行训练 with tf.device('/gpu:0'): .... with tf.device('/gpu:1'): ... with tf.device('/cpu:0'): ... 2.输出devices的信息 在指定devices的时候往往不知道具体的设备信息,这时可用下面的代码查看对应的信息 进入Python环境 from tensorflow.python.c

tensorflow二次开发

编译 方法1: 1 2 3 4 5 6 7 ./configure bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package build出错清理: /root/.cache/bazel 把下面的之前出错的缓存文件给删除掉 生成whell包 bazel-bin/tensorflow/tools/pip_package/build_pip_package /root/tensorflow/wheel_pkg/b

TensorFlow设置GPU占用量

默认开启Tensorflow的session之后,就会占用几乎所有的显存,进行如下设置即可: 指定GPU编号: import os os.environ["CUDA_VISIBLE_DEVICES"] = "0" 或者在脚本或者命令行中指定 export CUDA_VISIBLE_DEVICES=1 指定GPU使用的是按需分配的: config = tf.ConfigProto() config.gpu_options.allow_growth=True sess 

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

TensorFlow(二)：基本概念以及练习

一:基本概念 1.使用图(graphs)来表示计算任务 2.在被称之为会话(Session)的上下文(context)中执行图 3.使用tensor表示数据 4.通过变量(Variable)维护状态 5.使用feed和fetch可以为任意的操作赋值或者从其中获取数据 TensorFlow是一个编程系统,使用图(graphs)来表示计算任务,图(graphs)中的节点称之为op(operation),一个op获得0个或多个tensor,执行计算,产生0个或多个tensor.tensor看做是一个n

Win10安装Tensorflow的Gpu版本问题

Cuda,Cudnn 和 Tensorflow gpu这三个东西要兼容 先下载最新的Cudnn,和Cuda的兼容性在下载页上有(需要注册): Cudnn下载地址 下载安装Cudnn的对应Cuda版本,然后将Cudnn解压拷贝到Cuda安装目录: Cuda下载地址 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\[VER.] 上面两个都下载最新相兼容的版本,然后Tensorflow gpu也更新为最新版一般就没问题了: pip install

windows 下 TensorFlow（GPU 版）的安装

windows 10 64bit下安装Tensorflow+Keras+VS2015+CUDA8.0 GPU加速 0. 环境 OS:Windows 10,64 bit: 显卡:NVIDIA GeForce GTX 1050Ti,显卡查看方法:计算机[设备管理器]? [显示适配器] Python 的版本,注意只能为 3.5,并非越高越好: CUDA,8.0: keras 可以以 TensorFlow 为后端(backend)(也可以 theano 为后端),安装完成 TensorFlow 的基础上