需要pytorch安裝配置教程請點擊鏈接：Anaconda虛擬環(huán)境中配置pytorch-gpu

tensorflow官方信息
Windows上的GPU支持僅適用于2.10或更早的版本，從tensorflow 2.11開始，Windows不支持CUDA構建。
目前暫時沒有能在windows上安裝tensorflow 2.11及更新版本的方法，安裝最新版本導致各種奇怪bug。

前言

建議大家一個項目一個環(huán)境。

1. 創(chuàng)建虛擬環(huán)境并安裝cudatoolkit和cudnn包

點擊鏈接：查看tensorflow版本信息以及配對cudatoolkit和cudnn版本

注意：安裝的tensorflow-gpu、python、 cuda 、 cudnn 版本關系，一定要對應上！

1）確認需要安裝的tensorflow版本，注意是看GPU，這里我以tensorflow-2.10.0為例。大家按需選擇，如果是復現(xiàn)論文/項目，看作者是否提出版本要求；沒有的話隨意，但不建議直接用最新版，容易版本沖突。
2）可以看到tensorflow-2.10.0對python，cuda，cudnn的版本需求，我這里選擇python3.10，cuda11.2，cudnn8.1，記住現(xiàn)在選的版本。

1.1 創(chuàng)建虛擬環(huán)境

輸入命令：

conda create -n name python=3.x

name是環(huán)境名
3.x是python版本
如果創(chuàng)建名為tf，python版本為3.10的虛擬環(huán)境，
命令為：conda create -n tf python=3.10

輸入y確認下載：

安裝成功創(chuàng)建環(huán)境：

激活環(huán)境中，命令為activate name：

提示：在進行1.2部分的操作之前，一定要先進入剛創(chuàng)建的環(huán)境，不然后面的操作是在默認環(huán)境base上進行

1.2 安裝cudatoolkit和cudnn包

1.2.1 安裝cudatoolkit包

在上面我們已經(jīng)知道了tensorflow2.10.0對應的cuda版本為cuda11.2，因此接下來：

輸入命令：

conda search cudatoolkit

查看可以下載的cudatoolkit安裝包：

發(fā)現(xiàn)11.2的版本也有很多，隨便選一個就行：

于是執(zhí)行命令安裝cudatoolkit包：

conda install cudatoolkit==11.2.0

同樣輸入“y”確認，安裝成功：

1.2.2 安裝cudnn包

在上面我們已經(jīng)知道了tensorflow2.10.0對應的cuda版本為cudnn8.1，因此接下來：

跟安裝cudatoolkit步驟一樣，先查看是否有這個版本，再命令安裝。
通過conda search cudnn命令查看可下載的版本：

conda search cudnn

找到cudnn8.1版本:

執(zhí)行命令安裝cudnn包：

conda install cudnn==8.1.0.77

同樣輸入“y”確認，安裝成功：

提示：安裝之后的 CUDA 和 cudnn 會存放在虛擬環(huán)境的 lib 文件夾 或者include 文件夾里面。如果直接通過win+r，cmd，nvcc -V命令會發(fā)現(xiàn)還是主機的版本。

2. 安裝tensorflow

確認版本，就像我上面說的需要安裝tensorflow2.10.0

2.1. 安裝

通過conda search tensorflow-gpu命令查看可下載的版本：

conda search tensorflow-gpu

額，沒有更新到2.10，不過沒關系，我們已經(jīng)知道更新到了2.16版本，
執(zhí)行命令安裝tensorflow：

pip install tensorflow-gpu==2.10.0

速度慢則選用國內源：

pip install tensorflow-gpu==2.10.0 -i https://pypi.douban.com/simple 

正在下載：

提示：換完國內源，也大概需要10幾分鐘，看網(wǎng)速。

2.2. 驗證是否安裝成功

驗證是否可以調用gpu

輸入以下命令：

python

測試1：

import tensorflow as tf
gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
cpus = tf.config.experimental.list_physical_devices(device_type='CPU')
print(gpus, cpus)

print返回信息中有GPU信息即可：

測試2：

import tensorflow as tf
version=tf.__version__  #輸出tensorflow版本
gpu_ok=tf.test.is_gpu_available()  #輸出gpu可否使用
print("tf version:",version,"\nuse GPU:",gpu_ok)

驗證tensorflow是否能調用gpu，需要返回 true：

以上就是Anaconda虛擬環(huán)境中安裝cudatoolkit和cudnn包并配置tensorflow-gpu的教程的詳細內容，更多關于Anaconda配置tensorflow-gpu的資料請關注腳本之家其它相關文章！

最新評論