Windows10搭建tensorflow教程GPU
(轉載請註明出處)
電腦環境:windows10 + GeForce 840M + cuda9 + cudnn7 + tensorflow1.9
1、官網直接下載anaconda
2、建立一個tensorflow虛擬環境,此處命名為tensorflow-gpu
3、nVidia官網直接下載cuda9,安裝,並配置環境變數
4、官網下載cudnn7,需要註冊英偉達賬號,註冊時間比較慢,可以在網上另找資源,下載完成後,將檔案解壓,並按照資料夾名稱分別放在cuda安裝目錄下,這裡提供win10的cuunn7百度雲連結,
連結:https://pan.baidu.com/s/15Z4wcHNid9KBNu9KTCu_EQ 提取碼:ytah
5、進入cmd,命令
activate tensorflow-gpu
啟用環境,緊接著執行以下命令來線上安裝tensorflowGPU1.9
pip install tensorflow-gpu==1.9
6、pycharm配置python interpreter
7、測試程式碼為自己實驗程式碼。不展示詳細,貼出控制檯打印出的顯示卡資訊,證明測試成功(顯示顯示卡資訊)
相關推薦
Windows10搭建tensorflow教程GPU
(轉載請註明出處) 電腦環境:windows10 + GeForce 840M + cuda9 + cudnn7 + tensorflow1.9 1、官網直接下載anaconda 2、建立一個tensorflow虛擬環境,此處命名為tensorflow-gp
Windows10+Anaconda+TensorFlow(CPU & GPU)環境快速搭建
今天分享一下本人在筆記本上配置TensorFlow環境的過程。 說明 電腦配置: Acer筆記本 CPU Inter Core i5-6200U GPU NVIDIA GeForce 940M(忽略掉我的渣渣GPU) Windows10 所需的環
Windows10配置TensorFlow-GPU及Keras教程
引 TensorFlow是Google推出的深度學習開源框架。相比於Keras、Caffe等框架,TensorFlow在GitHub上的star數量、fork數量、contributor數量都一騎絕塵。到今天為止(2017-11-30),TensorFlow官
TF-搭建tensorflow-gpu GPU環境
mnist 安裝 python 6.5 space 開發 with include 導致 看完官方的例子,自己憑著記憶敲出來mnist卷積的例子。跑起來才發現,憑著CPU跑不是一般的慢啊! train過程要叠代20000次,跑了1個小時沒跑完。也是怪我機子太差了。 於是下決
[step by step]利用docker搭建Tensorflow環境(tensorboard + tensorflow+gpu)
前言 本篇文章搭建環境的作業系統是ubuntu14,windows搭建docker的方式與ubuntu有所區別,win的使用者可以點選原文中的參考連線進行docker的搭建。掛載tensorboard的方法是一樣的,可供大家參考 搭建docker 官方文件 https://do
Hugh ubuntu 14.04搭建tensorflow-gpu開發環境
轉載地址:https://www.cnblogs.com/samo/p/8092708.html 一、安裝nvidia顯示卡驅動 去navidia官網檢視最新的驅動版本號:navidia官網:http://www.geforce.cn/drivers 找到顯示卡對應的驅動下載,例如
windows10下安裝tensorflow的gpu版本
剛入坑深度學習領域,於是嘗試在windows10下安裝tensorflow的gpu版本,剛開始看了網上的部落格的安裝方法在細節上差異較大,不知道選擇哪一種方法入坑,於是就參照tensorflow的官網進行安裝。 tensorflow的官網安裝教程如下: tensorflow的官網安裝教程 國
Windows10系統tensorflow-gpu安裝
安裝前請確保自己的顯示卡支援gpu加速,支援加速的gpu型號可在下面的連結中查詢。 https://www.geforce.com/hardware/technology/cuda/supported-gpus 一、安裝anaconda 推薦從清華映象站下載,速度快。
win7+Keras使用Tensorflow作為後端的安裝教程gpu版小白推薦
win7+Keras使用Tensorflow作為後端的安裝教程gpu版小白推薦 首先附上成功截圖 一、系統情況 二、安裝工具準備 三、tensorflow-gpu安裝 首先附上成功截圖 歡迎大家評論,若碰到了問題,可以直接評論,看
搭建Tensorflow-gpu時與Docker和Dockerfile 的鬥爭
一、環境準備 1.安裝CUDA、cudnn 首先確定顯示卡是否能GPU加速,檢視顯示卡版本下載對應的驅動 CUDA和cudnn必須在宿主機中安裝而不是在映象中 之後下載CUDA、與cudnn 具體下載方式網上很多 安裝時一定要先確定你要安裝的tensorflow
Ubuntu18.04下搭建TensorFlow-GPU環境詳細過程
網上關於Ubuntu16.04及14.04安裝cuda、cudnn等的教程較多,Ubuntu18.04的介紹很少。本文主要介紹Ubuntu18.04下如何安裝英偉達驅動以及cuda、cudnn和Anaconda等程式設計環境。 博主硬體為ThinkPadT450(GeFor
Windows下TensorFlow環境搭建(無GPU)以及windows及linux環境下永久修改pip映象源的方法
Windows下TensorFlow環境搭建(無GPU):https://blog.csdn.net/yingyueer247/article/details/76460987 windows及linux環境下永久修改pip映象源的方法:http://www.jb51.net/article/98
Win10下安裝tensorflow教程(cpu版本和GPU版本)
Win10下安裝tensorflow教程 目錄 一、環境配置 1、win10-64位系統 3、anaconda 4.3.14 (vs_community__21855616.1542252661.exe) (社群版下載地址:h
TensorFlow安裝--(方法3)Anaconda方式下檢視TensorFlow版本選擇性安裝(Windows10 64位CPU/GPU)
其它環節與通過Anaconda環境配置方式一樣,就是在安裝TensorFlow時不直接使用pip install --upgrade --ignore-installed tensorflow-gpu命令,而是根據需求選擇TensorFlow版本安裝。 1.執行命令anaconda search
Ubuntu16.04配置tensorflow利用GPU加速教程
因為本人最近在學習一些關於深度學習的知識。所以要搭建相應的學習環境。一開始選擇的實在Ubuntu上搭建,於是在官網上下載了相應的檔案。這裡我下載的是16.04版本的。 一、重點說一下我遇到的問題 1.一開始我是在虛擬機器上安裝Ubuntu16.04的,按照一些百度的教程,
Ubuntu16.04使用Anaconda5搭建TensorFlow使用環境 圖文詳細教程
說明 - Ubuntu版本16.04 LTS - Anaconda版本 5.0.1 (對應Python 3.6.3) - Tensorflow 1.3.0(由Anaconda提供,你也可以選擇其他版本,包括GPU的) Anaconda指的是一個開
用GPU加速深度學習: Windows安裝CUDA+TensorFlow教程
***根據讀者反饋,Python 3.6可用*** ***軟體安裝有時效性,如果安裝失敗請參考評論區反饋*** ***請勿私信問我為什麼“XXX安裝失敗”,我也不知道*** ***精力有限,本文不再繼續更新*** 0.背景 在的Windows上使用GPU進行深度學習
Ubuntu16.04安裝Tensorflow(GPU)簡明教程
安裝tensorflow的方式有很多種,這裡介紹的是通過Bazel編譯tensorflow原始碼的方式來安裝tf。 ps:我使用的版本是r1.7 (1)安裝JDK8 新增PPA源 sudo add-apt-repository ppa:web
Windows下TensorFlow環境搭建(無GPU)
TensorFlow深度學習框架在Linux、Mac、windows均可應用,需要注意的是目前windows使用者只能使用python3.5版本,不支援其他python版本。我的電腦沒有GPU所以安裝的無GPU版本的tensorflow。 1.安裝Anaconda。
【深度學習】CentOS 7 安裝GPU版Tensorflow教程(一)
之前一直在玩cpu版的tensorflow,這些天突然心血來潮,想搞個gpu版的tensorflow來嚐嚐鮮,沒想到把所有能夠踩的坑幾乎全部踩了一遍,在這裡把自己踩的坑和一些安裝細節拿出來分享給大家,