精华内容
下载资源
问答
  • 环境搭建04——如何选择安装的TensorFlow版本

    万次阅读 多人点赞 2019-07-09 21:24:12
    每个入坑深度学习的小白都可能面临TensorFlow的安装问题,在安装时首先面临的就是版本选择的问题:CPU版还是GPU版?版本号选哪个? 1 GPU版?CPU版? 判断条件 结果 显卡是否NVIDIA系列? 是=...

    每个入坑深度学习的小白都可能面临TensorFlow的安装问题,在安装时首先面临的就是版本选择的问题:CPU版还是GPU版?版本号选哪个?

    1 GPU版?CPU版?

    判断条件 结果
    显卡是否NVIDIA系列? 是=GPU;否=CPU
    若是NVIDIA系列,计算能力如何? 大于等于3.5=GPU;小于3.5=CPU

    解释:

    1. 首先,查看自己电脑显卡的型号(详见:如何查看及安装)。如果显卡是NVIDIA系列的,继续下面步骤;如果显卡不是NVIDIA系列的,直接装CPU版。
    2. 然后,如果是NVIDIA系列的,则查询该显卡的计算能力。详见:查询计算能力。点开自己显卡对应的系列,查看自己显卡的GPU计算能力(即,Compute Capability)。如下图,显卡NVIDIA Quadro RTX 8000对应的计算能力为7.5。
      在这里插入图片描述
    3. 最后,到官网查询发布的GPU支持,查看硬件要求。本文查询时的标准是3.5(如下图)。如果计算能力≥3.5,可以装GPU版;相反<3.5的只能选择CPU版了。
      在这里插入图片描述
      ps: CPU版和GPU版两者没啥大差别,只是计算快慢的问题(呵呵~)。

    2 版本号选哪个?

    2.1 CPU版

    CPU版本的基本没什么特别限制,选择适合自己的就好。
    Windows:
    在这里插入图片描述
    Linux
    在这里插入图片描述
    macOS
    在这里插入图片描述

    2.2 GPU版

    确认自己的显卡可以支持GPU版之后,Tensorflow-GPU版本的选择主要看两个指标:CUDA和cuDNN。

    1. CUDA版本的选择。它依赖于显卡的驱动程序版本,如下表,参考官方文档。按照如何查看及安装显卡中最终安装的显卡版本,与下表进行对照选择兼容的CUDA版本。CUDA下载链接。记得下载 local 版本(即完整版,network版为精简版)。
      在这里插入图片描述
    2. 确认cuDNN对应于CUDA的版本。参照tensorflow官网给出的标准,如下表。然后从Nivdia官网下载对应版本的cuDNN:cuDNN下载
      Windows:
      在这里插入图片描述
      Linux
      在这里插入图片描述
      macOS
      在这里插入图片描述
    展开全文
  • 补充:最新的Tensorlfow2.0 gpu版要求使用的CUDA是CUDA 10.0,安装错版本了会用不了,最新的pytorch 1.3.1要求使用CUDA 10.1,如果你两者都需要使用,可以先把CUDA 10.0和CUDA 10.1都安装上,然后linux下把/usr/...

    最新的Tensorflow和CUDA cuDNN的对应关系可以从这里找到:

    https://tensorflow.google.cn/install/source

    https://tensorflow.google.cn/install/source_windows

     

    以下内容提到的版本都有点陈旧了,不过如果tensorflow和cuda cudnn版本对不上时,你可能依旧会遇到类似的下面提到的问题,仅供参考。

        最新的Tensorlfow2.0 gpu版要求使用的CUDA是CUDA 10.0,安装错版本了会用不了,最新的pytorch 1.3.1要求使用CUDA 10.1,如果你两者都需要使用,可以先把CUDA 10.0和CUDA 10.1都安装上,然后linux下把/usr/local/cuda链接到CUDA 10.0所在的目录, windows下吧CUDA v10.1改名成别的名字,然后把CUDA v10.0改名成CUDA v10.1,这样Tensorflow 2.0和PyTorch1.3.1能同时使用,也就是说PyTorch1.3.1要求CUDA是10.1版貌似只是在安装时检查要求版本是10.1,而实际上跑代码时用CUDA 10.0就够了,这个我试用过多次,目前还没有发现报错。

    注:本文后面写的内容是基于CUDA9.0的,但步骤是仍基本适用的;另外,昨天Tensorflow 最新的版本1.13 rc2发布了: https://github.com/tensorflow/tensorflow/releases/tag/v1.13.0-rc2 里面有几个重要的让人看到就激动(^_^)的improvements:

    • TensorFlow Lite has moved from contrib to core. This means that Python modules are under tf.lite and source code is now under tensorflow/lite rather than tensorflow/contrib/lite.
    • TensorFlow GPU binaries are now built against CUDA 10 and TensorRT 5.0.
    • Support for Python3.7 on all operating systems.
    • Moved NCCL to core.

    首先,Tensorflow终于支持CUDA 10了!第二,我很在乎的TensorFlow Lite终于移到core里来了!另外,Python3.7可以放心使用了,支持多个NVidia GPU卡之间通讯的NCCL也移到core里了(什么是NCCL,参见https://baijiahao.baidu.com/s?id=1581386178946489641&wfr=spider&for=pc这篇文章)。 

    所以如果你打算用Tensorflow最新的版本,可以安装CUDA 10,而不是CUDA 9.x,这样可以用到最新的CUDA的特性和避免一些bug。

    下面是以前写的原文:

         这个问题曾让我折腾了一天半,真是个大坑啊,反复把Tensorflow和CUDA装了卸,卸了又装,然后测试,遇到一个又一个错误,周六晚上弄到凌晨三点,周日上午继续干,终于在周日中午搞定,现在对这个问题弄得比较透彻了。

       每安装某一个Tensorflow版本时该安装什么对应版本的cuda和cudnn呢?Tensorflow没有提供明确的提示,我买的多本关于tensorflow的书里都只说作者安装的什么版本,根本没说Tensorflow版本和使用的CUDA、cuDNN版本的对应关系,网上也没找到这样的文章,所以像我这样喜欢尝鲜总是安装最新版Tensorflow 1.8 而不是书上说的版本的就得自己琢磨解决GPU版tensorflow安装后使用时出现的错误了。

        在解决tensorflow报错问题的过程中我注意到https://github.com/tensorflow/tensorflow/releases提供了Tensorflow个版本的releases notes,在里面搜索cuda,可以看到在Tensorflow 1.6版里有个大的改动:

     

    Release 1.6.0

    Breaking Changes

    • Prebuilt binaries are now built against CUDA 9.0 and cuDNN 7.
    • Prebuilt binaries will use AVX instructions. This may break TF on older CPUs

    这表明Tensorflow1.6开始使用CUDA9.0+cuDNN7。

        另外还有一个快捷办法,通过查看tensorflow的源码build_info.py知道其使用的CUDA和cuDNN版本(我在import tensorflow出错后,根据出错信息,阅读琢磨出错的.py代码文件,跟调用关系找到的这个定义版本信息的文件,以前的老版本tensorflow似乎没有这个文件,版本信息都是写死在初始化的.py源码里,需要搜索初始化代码找到检查cuda版本地方):

       假设tensorflow安装在D:\Anaconda3\envs\tensorflow环境里,那么打开D:\Anaconda3\envs\tensorflow\Lib\site-packages\tensorflow\python\platform\build_info.py这个文件,可以看到使用的CUDA 9.0和cuDNN 7:

        msvcp_dll_name = 'msvcp140.dll'
        cudart_dll_name = 'cudart64_90.dll'
        cuda_version_number = '9.0'
        nvcuda_dll_name = 'nvcuda.dll'
        cudnn_dll_name = 'cudnn64_7.dll'
        cudnn_version_number = '7'

       这里的msvcp140.dll应该在C:\Windows\System32\下面,是通过安装vc 2005 redistribute提供的,nvcuda.dll也是在C:\Windows\System32\下面,cudart64_90.dll则是安装CUDA 9.0时产生的cudnn64_7.dll是安装cuDNN 7时产生的,任何一个文件缺失或没加入搜索路径都有可能引起tensorflow在import时报ImportError错。

       CUDA在https://developer.nvidia.com/cuda-downloads这里下载,打开页面后不要在这个页面里下载,因为这个页面下载的是CUDA9.2,版本太高了跟tensorflow1.8不匹配,而是应该后点击Legacy Releases按钮进入archive页面https://developer.nvidia.com/cuda-toolkit-archive,然后点击CUDA Tookit 9.0进入CUDA 9.0的下载页面https://developer.nvidia.com/cuda-90-download-archive,根据自己机器环境选择操作系统和版本及位数点击相应按钮做选择,注意最后一项Install Type最好选择本地可执行文件,比如Windows版的exe(local)或Linux版的runfile(local),这样在网速差的环境下对成功安装更有保障。对于Windows 64位安装环境,这里需要下载三个安装文件,一个主文件:cuda_9.0.176_win10.exe和两个patch文件:cuda_9.0.176.1_windows.exe,cuda_9.0.176.2_windows.exe。

       cuDNN在https://developer.nvidia.com/cudnn这里下载,这里需要先注册账号然后登录才能进去下载,反正NVIDIA网站做的很不友好,注册后登录还得验证邮件转来转去的晕头转向,网站找个什么东西也是很不直观,不是一般的绕,用过NVIDIA网站的恐怕都想吐槽,登录(注册后好像仍然要使用join进去,而不是login,否则老是循环要你验证邮件有效性,晕死)进去后,下载对应于cuda9.0的cudnn7.1.4文件(从https://developer.nvidia.com/rdp/cudnn-download这里下载cudnn最新版7.1.4,不要进Archived cuDNN Releases),对于Windows 64位安装环境,下载cudnn7.1.4 for cuda9.0即cudnn-9.0-windows10-x64-v7.1.zip。

         安装CUDA时,最好使用自定义安装,把Visual Studio Integration的勾选去掉,否则你机器上安装的Visual Studio版本不对或者没有安装时,下一步会报错导致你安装不下去(下面两张图是试着安装CUDA 9.1版时的截图,出错提示是一样的,所以不影响作为示例):

        这时可以退回去把Visual Studio Integration勾选去掉再安装:    

        安装CUDA 9.0的默认路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\,安装CUDA9.0完后,把cudnn-9.0-windows10-x64-v7.1.zip解压后,把bin,include,lib里面的文件(共三个)分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\下的bin,include,lib目录下即可。

          然后测试tensorflow,可以看到我本子的GeForce 940MX GPU被tensorflow添加创建为TensorFlow device,并 可以成功打印输出常量c的值,表明安装成功了:

         

         我最初不知道Tensorflow1.8和CUDA 9.0对应依赖关系,我的本子的GPU是很古老的Geforce 940MX,对它没信心,怕安装了CUDA9.0根本不能用,又查看了我的本子上的NVIDIA控制面板里的系统信息窗口里的组件信息,本子上当时安装的NVCUDA版本是8.0.0(这个版本信息其实是CUDA driver版本,而不是要安装的CUDA runtime的版本,把两者搞混了,误导了思考方向):

        另外由受书本和网上的有些文章误导跌入坑里,相信应该是安装CUDA8,于是先安装的CUDA8.0.44+cuDNN 7,结果安装GPU版Tensorflow后Import tensorflow时报错找不到文件cudart64_90.dll,把CUDA 8的cudart64_80.dll强制改名为cudart64_90.dll后,Import tensorflow又会报另外的错ImportError: DLL load falied: 找不到指定的模块,不知道是哪个模块找不到,于是我琢磨出错代码,在‪D:\Anaconda3\Lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py里加了句打印把

       mname = '.'.join((pkg, '_pywrap_tensorflow_internal')).lstrip('.')

     这里的mname打印出来,可以看到这个模块是tensorflow.python._pywrap_tensorflow_internal,可是在D:\Anaconda3\Lib\site-packages\tensorflow\python\下面有_pywrap_tensorflow_internal.pyd这个文件啊,怎么回事呢?怎么就不认识这个pyd文件呢?于是把tensorflow-gpu 1.8和CUDA 8+cuDNN7/CUDA 8+cuDNN6装了卸卸了装弄了多遍折腾到凌晨几点还是没搞定,今天早上继续,后来突然想到可能是因为Tensorflow1.8就得安装CUDA9.0,否则初始化代码检查CUDA版本失败导致_pywrap_tensorflow_internal这个模块加载不了,后来下载CUDA 9.0+cuDNN7.1,安装好后,果然tensorflow可以用了!

     

         关于安装错误的CUDA版本导致的几个错误,截图如下:

    (1)找不到cudart64_90.dll:

    (2) ImportError: DLL loaded failed: 找不到指定模块。找不到_pywrap_tensorflow_internal模块:

     

    另外,如果运行tensorflow时报错说:CUDA driver  version is insufficient for CUDA runtime version : 

       这说明你机器上安装的CUDA driver版本比刚安装的CUDA tookit版本低(原因应是安装时没有勾选display driver之类的),解决办法是安装CUDA tookit时所用组件全部勾选(除了Visual Studio Integration),如果还不行,假如你的GPU卡是GeForce序列的,到https://www.geforce.com/drivers按你的机器的GPU卡的类型搜索对应的最新的driver,下载并安装即可,其他序列的去NVIDIA中国网页https://www.nvidia.cn/Download/index.aspx?lang=cn上按卡类型搜索最新的driver安装程序。

        通过搜索GUP卡的驱动,知道了很古老的GPU卡NVIDIA仍在提供最新的driver更新,这样就保障了我的GeForce 940MX这样的古懂卡在升级driver到最新后,也可以自由使用最新的CUDA 9.x版本,只要Tensorflow或Caffe支持!这点真是太好了!以前担心我的GPU卡太老导致玩不了比较新的GPU版tensorflow,现在暂时不用担心了!

     

         关于Tensorflow更多知识,可以访问谷歌中国官网(https://tensorflow.google.cn/)了解更多 TensorFlow 内容,也可关注 TensorFlow 官方公众号获取更多资讯。

         

     

         关于如何在Linux下安装CUDA和CUDNN,参见 我的AI之路(10)--如何在Linux下安装CUDA和CUDNN

     

     

    我的AI之路(1)--前言

    我的AI之路(2)--安装Fedora 28

    我的AI之路(3)--安装Anaconda3 和Caffe

    我的AI之路(4)--在Anaconda3 下安装Tensorflow 1.8

    我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本

    我的AI之路(6)--在Anaconda3 下安装PyTorch

    我的AI之路(7)--安装OpenCV3_Python 3.4.1 + Contrib以及PyCharm

    我的AI之路(8)--体验用OpenCV 3的ANN进行手写数字识别及解决遇到的问题

    我的AI之路(9)--使用scikit-learn

    我的AI之路(10)--如何在Linux下安装CUDA和CUDNN

    我的AI之路(11)--如何解决在Linux下编译OpenCV3时出现的多个错误

    我的AI之路(12)--如何配置Caffe使用GPU计算并解决编译中出现的若干错误

    我的AI之路(13)--解决编译gcc/g++源码过程中出现的错误

    我的AI之路(14)--Caffe example:使用MNIST数据集训练和测试LeNet-5模型

    我的AI之路(15)--Linux下编译OpenCV3的最新版OpenCV3.4.1及错误解决

    我的AI之路(16)--云服务器上安装和调试基于Tensorflow 1.10.1的训练环境

    我的AI之路(17)--Tensorflow和Caffe的API及Guide

    我的AI之路(18)--Tensorflow的模型安装之object_detection

    我的AI之路(19)--如何在Windows下安装pycocotools PythonAPI

    我的AI之路(20)--用Tensorflow object_detection跑raccoon数据集

    我的AI之路(21)--用Tensorflow object_detection跑PASCAL VOC 2012数据集

    我的AI之路(22)--使用Object_Detection_Tensorflow_API

    我的AI之路(23)--在Windows下编译Bazel和使用Bazel编译tensorflow

     

    展开全文
  • 在我安装tensorflow-gpu的时候遇到一系列的问题 最后看了这个文章,豁然开朗 文章性质:转载 作者:Arnold-FY-Chen 原文链接:https://blog.csdn.net/xccccz/article/details/80385448#commentsedit ...

    在我安装tensorflow-gpu的时候遇到一系列的问题
    最后看了这个文章,豁然开朗。

    文章性质:转载

    作者:Arnold-FY-Chen

    原文链接:https://blog.csdn.net/xccccz/article/details/80385448#commentsedit



    注:本文后面写的内容是基于CUDA9.0的,但步骤是仍基本适用的;另外,昨天Tensorflow 最新的版本1.13 rc2发布了: https://github.com/tensorflow/tensorflow/releases/tag/v1.13.0-rc2 里面有几个重要的让人看到就激动(^_^)的improvements:

    • TensorFlow Lite has moved from contrib to core. This means that Python modules are under tf.lite and source code is now under tensorflow/lite rather than tensorflow/contrib/lite.
    • TensorFlow GPU binaries are now built against CUDA 10 and TensorRT 5.0.
    • Support for Python3.7 on all operating systems.
    • Moved NCCL to core.

    首先,Tensorflow终于支持CUDA 10了!

    第二,我很在乎的TensorFlow Lite终于移到core里来了!另外,Python3.7可以放心使用了,支持多个NVidia GPU卡之间通讯的NCCL也移到core里了

    (什么是NCCL,参见https://baijiahao.baidu.com/s?id=1581386178946489641&wfr=spider&for=pc这篇文章)。 

    所以如果你打算用Tensorflow最新的版本,可以安装CUDA 10,而不是CUDA 9.x,这样可以用到最新的CUDA的特性和避免一些bug。


    下面是以前写的原文:

         这个问题曾让我折腾了一天半,真是个大坑啊,反复把Tensorflow和CUDA装了卸,卸了又装,然后测试,遇到一个又一个错误,周六晚上弄到凌晨三点,周日上午继续干,终于在周日中午搞定,现在对这个问题弄得比较透彻了。

       每安装某一个Tensorflow版本时该安装什么对应版本的cuda和cudnn呢?Tensorflow没有提供明确的提示,我买的多本关于tensorflow的书里都只说作者安装的什么版本,根本没说Tensorflow版本和使用的CUDA、cuDNN版本的对应关系,网上也没找到这样的文章,所以像我这样喜欢尝鲜,总是安装最新版Tensorflow 1.8 而不是书上说的版本的就得自己琢磨解决GPU版tensorflow安装后使用时出现的错误了。

        在解决tensorflow报错问题的过程中我注意到https://github.com/tensorflow/tensorflow/releases提供了Tensorflow个版本的releases notes,在里面搜索cuda,可以看到在Tensorflow 1.6版里有个大的改动:

    Release 1.6.0

    Breaking Changes

    • Prebuilt binaries are now built against CUDA 9.0 and cuDNN 7.
    • Prebuilt binaries will use AVX instructions. This may break TF on older CPUs

    这表明Tensorflow1.6开始使用CUDA9.0+cuDNN7。

        另外还有一个快捷办法,通过查看tensorflow的源码build_info.py知道其使用的CUDA和cuDNN版本(我在import tensorflow出错后,根据出错信息,阅读琢磨出错的.py代码文件,跟调用关系找到的这个定义版本信息的文件,以前的老版本tensorflow似乎没有这个文件,版本信息都是写死在初始化的.py源码里,需要搜索初始化代码找到检查cuda版本地方):

    假设tensorflow安装在D:\Anaconda3\envs\tensorflow环境里

    那么打开D:\Anaconda3\envs\tensorflow\Lib\site-packages\tensorflow\python\platform\build_info.py这个文件,可以看到使用的CUDA 9.0和cuDNN 7:

        msvcp_dll_name = 'msvcp140.dll'
        cudart_dll_name = 'cudart64_90.dll'
        cuda_version_number = '9.0'
        nvcuda_dll_name = 'nvcuda.dll'
        cudnn_dll_name = 'cudnn64_7.dll'
        cudnn_version_number = '7'

    这里的

    msvcp140.dll应该在C:\Windows\System32下面

    是通过安装vc 2005 redistribute提供的,nvcuda.dll也是在C:\Windows\System32下面

    cudart64_90.dll则是安装CUDA 9.0时产生的,cudnn64_7.dll是安装cuDNN 7时产生的,任何一个文件缺失或没加入搜索路径都有可能引起tensorflow在import时报ImportError错。

    CUDA在这里下载:
    https://developer.nvidia.com/cuda-downloads

    打开页面后不要在这个页面里下载,因为这个页面下载的是CUDA9.2,版本太高了跟tensorflow1.8不匹配

    而是应该后点击Legacy Releases按钮进入archive页面:
    https://developer.nvidia.com/cuda-toolkit-archive

    然后点击CUDA Tookit 9.0进入CUDA 9.0的下载页面https://developer.nvidia.com/cuda-90-download-archive=

    根据自己机器环境选择操作系统和版本及位数点击相应按钮做选择,注意最后一项Install Type最好选择本地可执行文件,比如Windows版的exe(local)或Linux版的runfile(local),这样在网速差的环境下对成功安装更有保障。对于Windows 64位安装环境,这里需要下载三个安装文件

    一个主文件:
    cuda_9.0.176_win10.exe

    两个patch文件:
    cuda_9.0.176.1_windows.exe,cuda_9.0.176.2_windows.exe。

    cuDNN这里下载:
    https://developer.nvidia.com/cudnn

    这里需要先注册账号然后登录才能进去,反正NVIDIA网站做的很不友好,注册后登录还得验证邮件转来转去的晕头转向,网站找个什么东西也是很不直观,不是一般的绕,用过NVIDIA网站的恐怕都想吐槽,登录(注册后好像仍然要使用join进去,而不是login,否则老是循环要你验证邮件有效性,晕死)

    进去后,下载对应于cuda9.0的cudnn7.1.4文件(从https://developer.nvidia.com/rdp/cudnn-download这里下载cudnn最新版7.1.4,不要进Archived cuDNN Releases),

    对于Windows 64位安装环境,下载cudnn7.1.4 for cuda9.0即cudnn-9.0-windows10-x64-v7.1.zip。


         安装CUDA时,最好使用自定义安装,把Visual Studio Integration的勾选去掉,否则你机器上安装的Visual Studio版本不对或者没有安装时,下一步会报错导致你安装不下去(下面两张图是试着安装CUDA 9.1版时的截图,出错提示是一样的,所以不影响作为示例):

        这时可以退回去把Visual Studio Integration勾选去掉再安装:    

    安装CUDA 9.0的默认路径是
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\,

    安装CUDA9.0完后,把cudnn-9.0-windows10-x64-v7.1.zip解压后,把bin,include,lib里面的文件(共三个)

    分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0下的bin,include,lib目录下即可。

          然后测试tensorflow,可以看到我本子的GeForce 940MX GPU被tensorflow添加创建为TensorFlow device,并 可以成功打印输出常量c的值,表明安装成功了

      我最初不知道Tensorflow1.8和CUDA 9.0对应依赖关系,我的本子的GPU是很古老的Geforce 940MX,对它没信心,怕安装了CUDA9.0根本不能用,又查看了我的本子上的NVIDIA控制面板里的系统信息窗口里的组件信息,本子上当时安装的NVCUDA版本是8.0.0(这个版本信息其实是CUDA driver版本,而不是要安装的CUDA runtime的版本,把两者搞混了,误导了思考方向

    另外由受书本和网上的有些文章误导跌入坑里,相信应该是安装CUDA8,于是先安装的CUDA8.0.44+cuDNN 7,结果安装GPU版Tensorflow后Import tensorflow时报错找不到文件cudart64_90.dll

    CUDA 8cudart64_80.dll强制改名为cudart64_90.dll后,Import tensorflow又会报另外的错ImportError: DLL load falied: 找不到指定的模块

    不知道是哪个模块找不到,于是我琢磨出错代码,在‪:
    D:\Anaconda3\Lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py
    里加了句打印把

    mname = '.'.join((pkg, '_pywrap_tensorflow_internal')).lstrip('.')
    

    这里的mname打印出来,可以看到这个模块是:
    tensorflow.python._pywrap_tensorflow_internal

    可是在:
    D:\Anaconda3\Lib\site-packages\tensorflow\python\

    下面有:
    _pywrap_tensorflow_internal.pyd

    这个文件啊,怎么回事呢?怎么就不认识这个pyd文件呢?

    于是把tensorflow-gpu 1.8CUDA 8+cuDNN7/CUDA 8+cuDNN6装了卸卸了装弄了多遍折腾到凌晨几点还是没搞定,今天早上继续,后来突然想到可能是因为Tensorflow1.8就得安装CUDA9.0,否则初始化代码检查CUDA版本失败导致_pywrap_tensorflow_internal这个模块加载不了,

    后来下载CUDA 9.0+cuDNN7.1,安装好后,果然tensorflow可以用了!


    关于安装错误的CUDA版本导致的几个错误,截图如下:

    (1)找不到cudart64_90.dll:

    (2) ImportError: DLL loaded failed: 找不到指定模块。找不到_pywrap_tensorflow_internal模块:

    另外,如果运行tensorflow时报错说:CUDA driver  version is insufficient for CUDA runtime version : 

    这说明你机器上安装的CUDA driver版本比刚安装的CUDA tookit版本低(原因应是安装时没有勾选display driver之类的),解决办法是安装CUDA tookit时所用组件全部勾选(除了Visual Studio Integration)

    如果还不行,假如你的GPU卡是GeForce序列的,到:
    https://www.geforce.com/drivers
    按你的机器的GPU卡的类型搜索对应的最新的driver,下载并安装即可

    其他序列的去NVIDIA中国网页:
    https://www.nvidia.cn/Download/index.aspx?lang=cn上按卡类型搜索最新的driver安装程序。

        通过搜索GUP卡的驱动,知道了很古老的GPU卡NVIDIA仍在提供最新的driver更新,这样就保障了我的GeForce 940MX这样的古懂卡在升级driver到最新后,也可以自由使用最新的CUDA 9.x版本,只要Tensorflow或Caffe支持!这点真是太好了!以前担心我的GPU卡太老导致玩不了比较新的GPU版tensorflow,现在暂时不用担心了!

     

         关于如何在Linux下安装CUDA和CUDNN,参见 我的AI之路(10)--如何在Linux下安装CUDA和CUDNN

    我的AI之路(1)--前言

    我的AI之路(2)--安装Fedora 28

    我的AI之路(3)--安装Anaconda3 和Caffe

    我的AI之路(4)--在Anaconda3 下安装Tensorflow 1.8

    我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本

    我的AI之路(6)--在Anaconda3 下安装PyTorch

    我的AI之路(7)--安装OpenCV3_Python 3.4.1 + Contrib以及PyCharm

    我的AI之路(8)--体验用OpenCV 3的ANN进行手写数字识别及解决遇到的问题

    我的AI之路(9)--使用scikit-learn

    我的AI之路(10)--如何在Linux下安装CUDA和CUDNN

    我的AI之路(11)--如何解决在Linux下编译OpenCV3时出现的多个错误

    我的AI之路(12)--如何配置Caffe使用GPU计算并解决编译中出现的若干错误

    我的AI之路(13)--解决编译gcc/g++源码过程中出现的错误

    我的AI之路(14)--Caffe example:使用MNIST数据集训练和测试LeNet-5模型

    我的AI之路(15)--Linux下编译OpenCV3的最新版OpenCV3.4.1及错误解决

    我的AI之路(16)--云服务器上安装和调试基于Tensorflow 1.10.1的训练环境

    我的AI之路(17)--Tensorflow和Caffe的API及Guide

    我的AI之路(18)--Tensorflow的模型安装之object_detection

    我的AI之路(19)--如何在Windows下安装pycocotools PythonAPI

    我的AI之路(20)--用Tensorflow object_detection跑raccoon数据集

    我的AI之路(21)--用Tensorflow object_detection跑PASCAL VOC 2012数据集

    我的AI之路(22)--使用Object_Detection_Tensorflow_API

    我的AI之路(23)--在Windows下编译Bazel和使用Bazel编译tensorflow

     

    展开全文
  • 其实如果在Python下只安装的是TensorFlow-CPU版本的话,非常简单,直接在命令行内敲: pip3 install tensorflow就行。然而,有英伟达显卡,肯定就要发挥其功能,果断安装GPU版本TensorFlow。第一步:假设已经安装...

        又双叒一次重新安装系统,不得不再次安装Python3和TensorFlow-GPU。

        其实如果在Python3下只安装的是TensorFlow-CPU版本的话,非常简单,直接在命令行内敲:

            pip3 install tensorflow

    就行。然而,台式机装了英伟达显卡,肯定就要发挥其功能,果断安装GPU版本的TensorFlow。

    第一步:先安装TensorFlow。

        假设已经安装好了Python3,并配置好了系统Path变量。那么,直接在命令行内敲

            pip3 install tensorflow-gpu

    第二步:查看CUDA版本和cuDNN版本。

        找到TensorFlow安装包的位置,默认安装位置在:{Python3目录}\Lib\site-packages,继续打开 tensorflow -> python -> platform 文件夹,打开文件build_info.py。可以看到与我当前TensorFlow所匹配的CUDA版本和cuDNN版本,其中CUDA版本为9.0、动态库链接文件是cudart64_90.dll;cuDNN版本是7,动态链接库文件是cudnn64_7.dll。由于TensorFlow版本的更新,我上一次下载的CUDA的版本已经不匹配了,需要从官网重新下载。

        

    第三步,下载对应版本的CUDA和cuDNN安装文件。

        百度里直接搜索CUDA9.0,名称类似“CUDA Toolkit 9.0 Downloads|NVIDIA Developer”的链接就是老版本的下载地址:https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=7


    CUDA安装文件直接下载即可;类似方法找到cuDNN的下载地址:https://developer.nvidia.com/rdp/cudnn-archive#a-collapse705-9,这个需要登录才可以下载。


    第四步,安装CUDA和cuDNN,配置系统变量。

        先安装CUDA的安装包,直接运行.exe文件,执行默认配置,安装过程如下。


        将CUDA安装之后的路径添加到系统变量Path中。我的方法是新建一个系统变量,变量名为:CUDA_PATH, 变量值是:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 也就是CUDA安装路径。然后在Path变量的前部加入 %CUDA_PATH%\bin;%CUDA_PATH%\lib\x64; 注意用分号分隔路径。



        cuDNN的安装很简单,直接将下载的文件解压,文件内容包括:


        所有内容拷贝到CUDA安装路径中,可以看到目录完全相同,合并文件夹中的内容即可。

    第五步,安装完成,可以在Python3中键入 import tensorflow as tf 来进行测试。


    可能存在的问题:网络环境比较差的话,英伟达的官网可能无法login导致不能下载cuDNN压缩包。

    展开全文
  • TensorFlow有两个版本,CPU和GPU,如果你有一个强大的显卡,就安装GPU版,具体如何安装这里不介绍了。 可以参考:https://blog.csdn.net/lanchunhui/article/details/54964064 这里提一下,大部分博客推荐用...
  • tensorflow 不支持Python2.7,最好选择下载Python3.5 现在越来越多的人工智能和机器学习以及深度学习,强化学习出现了,然后自己也对这个产生了点兴趣,特别的进行了一点点学习,就通过这篇文章来简单介绍一下,...
  • 如何tensorflow2.0制作自己的数据集

    千次阅读 多人点赞 2019-11-28 17:12:14
    如何tensorflow2.0制作自己的数据集 运行环境 Windows10 PyCharm 2019.2.3 需要用到的库 opencv4.1.2_python3.7 图片获取 首先我们需要获取到自己需要的图片,图片格式大小必须统一,获取方式不限,我们这里利用...
  • 注:笔者的ubuntu18.04 64bit...1.获取cuda(https://developer.nvidia.com/cuda-downloads,选择ubuntu相关的runfile,cuda_9.0.176_384.81_linux.run) 2.安装cuda sudo apt-get install gcc-6 g++-6 (cuda 9仅支持...
  • 首先下载安装好ANACONDA,打开 ... 点击Create创建虚拟环境,输入名称和想...在安装之前,先确定好你选择的显卡的版本,tensorflow-gpu,cuda以及cudnn的版本匹配问题,具体匹配可以参考以下博客 https://blog.csdn.net/weix
  • 文章目录 CUDA下载 windows... 这里放一下链接可以自行查看cuda对应驱动版本 安装教程 tensorflow/对应cuda、keras、python版本 Windows 可以自行查看官网链接,也可以看我的截图。 keras 参考 Linux/macOS Linux macOS
  • 首先通过anaconda官网根据自己操作系统选择下载最新版本anaconda即可.https://www.anaconda.com/distribution/#download-section 2.安装anaconda,根据软件安排自行安装即可。 二、安装tensorflow 1.打开...
  • WIN10下通过Anaconda安装TensorFlow-GPU版本和keras 环境 win10 GTX1060 版本 TensorFlow-gpu 1.9 anaconda 5.3.1 keras 2.2.4 ...Win10 Anaconda下TensorFlow-GPU环境搭建详细教程 如何选择和正确安装跟Tensorfl...
  • project:xxx(选择当前项目) 然后点击右上角加号 在搜索框里搜索tensorflow进行install就可以了! 最后我们可以发现安装成功,在这里我安装的版本是2.4.0. 很多安装包都可以在这里安装,而且会自动添加依赖包,...
  • 在Ubuntu搭建TensorFlow环境

    千次阅读 2018-01-06 11:29:54
    在Ubuntu搭建TensorFlow环境 ...这里,我将分享如何选择安装TensorFlow的某个版本——它并不像看起来那么容易,因为你需要了解系统功能,而且涉及到GPU、以及你正在使用的Python版本。在选择TensorFlow版本时,可
  • 在 Mac OS X 上安装 TensorFlow这个文档说明了如何在 Mac OS X...确定如何安装 TensorFlow你可以选择一种方式安装 TensorFlow,支持下面的几种选择: virtualenv “本地” pip Docker 从源代码安装,更专业有单独的文档
  • tensorflow_gpu-1.10.0配置

    2021-01-14 19:23:37
    下载anaconda版本不限,安装结束后可以通过“开始”菜单,找到anaconda prompt进入后输入conda -V,输出conda版本号则表示安装成功...根据可用的cuda版本选择tensorflow版本,我选择的tensorflow 1.10.0,对应的cuda9..
  • 【前言】这篇文章将告诉你如何在windows中安装TensorFlow转载请注明出处 ... windows中安装tensorflow...选择安装哪种版本TensorFlow TensorFlow两种版本介绍 CPU版:如果你的系统不包含NVIDIA的GPU,你就需要安
  • 从表中选择所需区域和Tensorflow版本的ARN(例如, arn:aws:lambda:us-west-2:347034527139:layer:tf_1_11_keras:1 ) 表格: 在AWS lambda管理控制台中,创建要在其中使用Tensorflow的新功能,或选择一个现有...
  • 简评:手把手教你如何在 Mac OSX 系统安装 TensorFlow。 这个文档说明了如何在 Mac OS X 上安装 TensorFlow。...你可以选择一种方式安装 TensorFlow,支持下面的几种选择: virtualenv 「本地」
  • 用Anaconda安装tensorflow

    2020-09-07 16:43:19
    2.选择自己对应平台的版本,找到其名称,这里我选的是dhirschfeld/tensorflow, 然后输入anaconda show dhirschfeld/tensorflow 展示详细信息,会看见如何安装。 然后按照提示安装即可,即复制上图中的命令回车...
  • TensorFlow安装之windows

    2017-05-18 08:59:32
    在Windows上安装TensorFlow本指南介绍如何在Windows上安装TensorFlow。确定哪些TensorFlow安装您必须选择下列类型TensorFlow的安装中的一种:只有CPU支持TensorFlow。如果您的系统不具备NVIDIA®GPU,您必须安装此...
  • 如何使用Anaconda创建新环境并在新环境内安装tensorflow2.3.0? 1.点击Create新建环境,输入新的环境名称,并且选择python版本 2.打开Anaconda Prompt 激活环境变量,activate tf 3.安装cuda和cudnn,我想安装的是tf...
  • 下载新版本cudnn 你可以在官网下载,当然需要自己login和survey,然后选择download -&gt; I Agree…… -&gt; Archived cuDNN Releases -&gt; 找到匹配你的CUDA的cudnn的需要版本(cudnn 6.0.21) ...
  • 选择相应的Anaconda进行安装,下载地址点击这里,下载对应系统版本的Anaconda 就和安装普通的软件一样,全部选择默认即可,注意勾选将python3.6添加进环境变量。 这样Anaconda就安装好了,我们可以通过下面的命令...
  • 我们经常会用tensorflow的python版本去训练深度学习模型,但是有些项目要在C#,因此,tensorflow.NET给了一个不错的选择。 本文介绍如何利用tensorflow.NET调用python训练好的模型。tensorflow == 1.14.0, ...
  • 学习Tensorflow,使用源码安装

    万次阅读 2016-04-30 13:52:39
    PC上装好Ubuntu系统,我们一步一步来讲解如何使用源码安装tensorflow?(我的Ubuntu系统是15.10) 根据你的系统型号选择相应的cuda版本下载 https://developer.nvidia.com/cuda-downloads 我选的是cuda-repo-...

空空如也

空空如也

1 2 3 4 5 ... 7
收藏数 135
精华内容 54
关键字:

如何选择tensorflow版本