Windows10下 NVIDIA GeForce MX150 tensorflow-gpu 配置

引言

越来越多的的人入坑机器学习,深度学习,tensorflow 作为目前十分流行又强大的一个框架,自然会有越来越多的新人(我也刚入门)准备使用,一般装的都是 CPU 版的 tensorflow,然而使用 GPU 跑 tensorflow,速度可以快上好几倍。正好前段时间看到了使用小米pro(我目前使用的笔记本,感觉贼好用(我没有在推销))配置 gpu 的教程,就试了试,最后成功了。

环境

操作系统:Windows10

配置:Tensorflow 1.12 + CUDA 9.0 +cuDNN v7.1 for CUDA9.0

GPU:NVIDIA GeForce MX150(小米pro i7-8550 8G 256G)

软件:Anaconda(我之前写过安装教程

实际操作

一、安装CUDA、cuDNN

需要考虑版本配套问题,不然即使装了最后也会报错。这里给出 CUDA 和 cuDNN 的网盘连接,提取码:e1ak

CUDA

再给一波关于显卡是否对 CUDA 支持的查看网址,如果不确定自己的显卡是否支持 CUDA,可以去看看。

关于 CUDA 的安装,看这篇文章,写的很详细(好吧,还是我比较懒,不太想敲键盘)

cuDNN

官网下载地址

注意:下载的时候要下对应自己下载的CUDA的版本

把下载好的 cuDNN 的 zip 解压后,把 bin、include、lib 三个文件夹内的文件拷贝到 CUDA 9.0 的目录下的对应文件中即可。

CUDA 的默认路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\

然后开始配置环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

二、创建虚拟环境

这里还是比较建议新创建一个虚拟环境,免得安装好的 tensorflow-gpu 跟原环境中的某些包冲突。

1.打开Anaconda Prompt

2.创建虚拟环境

键入

conda create --name tensorflow-gpu python=3.6.1

3.启动虚拟环境

activate tensorflow-gpu

三、安装tensorflow-gpu

1.安装

两种方法

  1. pip install --upgrade tensorflow-gpu
  2. 下载 tensorflow-gpu 的离线安装包,找到下载好的whl路径,然后键入

    pip install c:\...\tensorflow_gpu-xxxx.whl

    下载地址

2.测试

输入

python

然后再输入

import tensorflow as tf

如果没报错,就表示安装成功了。

然后,再来段 tensorflow 的 hello world

import tensorflow as tf
tf.enable_eager_execution()

a = tf.constant(1)
b = tf.constant(1)
c = tf.add(a, b)  

print(c)

总结

至此,我们的 tensorflow-gpu 就装好了,接下来就开始 tensorflow 的学习之旅吧。

原文地址:https://www.cnblogs.com/csu-lmw/p/10060863.html

时间: 2024-11-06 07:30:13

Windows10下 NVIDIA GeForce MX150 tensorflow-gpu 配置的相关文章

Windows下Anaconda安装 python + tensorflow GPU版

这里首先确认没有安装CPU版本,并默认已经安装了CUDA和Cudnn以及anaconda. 接下来需要安装GPU版本的tensorflow: 打开cmd并输入: conda create -n tensorflow pip python=3.5 继续cmd中输入: activate tensorflow 安装 pip install --ignore-installed --upgrade tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/s

【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

Win10下 tensorflow gpu版安装

准备: 系统环境: windows10 + Anaconda3 + Pycharm (1)环境配置: 打开Anaconda Prompt,输入清华仓库镜像,这样更新会快一些: 输入: conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes 同样在 Anaconda Prompt 中利用Anaconda创

tensorflow gpu安装配置(windows,linux)

流程: 1.先安装显卡驱动 禁用 X 服务(关闭图形界面,最好备用一台电脑) --不能通过远程控制实现后面的操作.所以这个部分还需要在本地上操作.备用一台电脑的原因是可以在另外一台电脑上看接下来的步骤该如何操作. 出现黑屏,解决方法: 2.安装CUDA 3.CUDNN 1. ubuntu16.04系统run方式安装nvidia显卡驱动 来自 <https://blog.csdn.net/xunan003/article/details/81665835> 2. ubuntu16.04安装ten

Ubuntu16.04.5 配置英伟达NVIDIA 显卡 驱动实现GPU加速

Ubuntu16.04.5 配置英伟达NVIDIA 显卡 驱动实现GPU加速 标签(空格分隔): 运维系列 一:系统环境初始化与系统包准备 二:安装测试步骤 一:系统环境初始化与系统包准备 apt-get update apt-get install vim openssh-server 准备系统所需要的安装包 NVIDIA-Linux-x86_64-440.44.run cuda_10.2.89_440.33.01_linux.run 二:安装测试步骤 1.1 安装Nvidia显卡驱动 1.

Archlinux 下Intel + NVIDIA 双显卡3D 游戏配置([email&#160;protected])

贴吧里问这问那中午睡醒后做好的,下午打了几场dota2 感觉流畅度还算很不错的,写点东西记录一下.用Archlinux 的一般来说都会用搜索引擎,所以只说下需要注意的地方即可. 1. steam 自带的OpenGL 库是过时的,运行可能会抱怨"Cannot find OpenGL GX" 之类的东西,看ArchWiki 「steam」条目,删除steam 自带的几个库. 2. 但是删除了steam 自带的那些库之后你需要在系统中安装新版的库,除去64 位的库之外(不可能还有人在用32

centos7下安装部署tensorflow GPU 版本

系统环境:centos7 1. 安装 Python 2.7 # yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gcc gcc-c++ make # download and extract Python 2.7 su hdfs cd  ~/Downloads curl -O https://www.python.org/ftp/pytho

Win10(64位)下安装Tensorflow GPU

<Python 3.6 + Tensorflow GPU 1.4.0 + CUDA 8.0 + cuDNN 6.0> 没有Pycharm的先安装Pycharm. 1.Python下载地址:https://www.python.org/downloads/release/python-364/ 拉到最底下,选择Windows x86-64 executable installer下载. 注意把Add Python 3.6 to PATH勾选上,再选择Install Now. 2.Tensorfl

anaconda+opencv+tensorflow环境配置

最近因为在已经安装了tensorflow的环境中又装了个opencv,结果突然发现import tensorflow一句竟然会导致程序崩溃!?到网上查了下发现是因为conda install opencv3会导致旧版本的numpy覆盖新版本的tensorflow带的numpy导致各种复杂的问题.在尝试重装numpy无效后我决定重新配置一次环境,并记录下过程和大家分享: 1.Anaconda的安装 anaconda的安装是十分容易的,不过如果选了add to path容易出错,建议装好后手动配置环