精华内容
下载资源
问答
  • tensorflow如何切换CPU和GPU

    千次阅读 2020-09-07 14:16:00
    import os if Bert_Use_GPU: os.environ['CUDA_VISIBLE_DEVICES'] = '0,1' #使用GPU0,1 else: os.environ['CUDA_VISIBLE_DEVICES'] = '-1' #使用CPU  

     

    import os
    
    if Bert_Use_GPU:
        os.environ['CUDA_VISIBLE_DEVICES'] = '0,1'    #使用GPU0,1
    else:
        os.environ['CUDA_VISIBLE_DEVICES'] = '-1'      #使用CPU
    

      

    展开全文
  • TensorFlowCPU版本的安装相对来说比较简单,这里没有介绍GPU版本的安装方法,GPU版本需要安装cuda8+cudnn5,如需要的请搜索其他博文。 1. 安装Anaconda  选择相应的Anaconda进行安装,下载地址点击这里,...

    本来安装TensorFlow是一件和繁琐的事情,但是在Anaconda的帮助下就很简单了,正文如下:


    1. 安装Anaconda

    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,官网现在的版本是Anaconda 5.2 for Python3.6,点击下载即可。
    这里写图片描述
      就和安装普通的软件一样,全部选择默认即可,注意选择所有用户,然后勾选将python3.6添加进环境变量。
    这里写图片描述
    这里写图片描述
      这样Anaconda就安装好了,我们可以通过下面的命令来查看Anaconda已经安装了哪些包。 运行 开始菜单->Anaconda3—>Anaconda Prompt ,在弹出的命令窗口输入:conda list 。即可看到已经安装了numpy、sympy等常用的包。

    2. 安装Tensorflow

    TensorFlow目前在Windows下只支持Python 3.5版本。

    1、打开Anaconda Prompt,输入清华仓库镜像,这样更新会快一些:
    这里写图片描述

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    conda config --set show_channel_urls yes
    

    2、同样在Anaconda Prompt中利用Anaconda创建一个python3.5的环境,环境名称为tensorflow ,输入下面命令:

    conda create -n tensorflow python=3.5
    

    这样就创建了一个名为tensorflow的python3.5的环境。运行 开始菜单->Anaconda3—>Anaconda Navigator,点击左侧的Environments,就可以看到。
      3、在Anaconda Prompt中启动tensorflow环境:

    activate tensorflow
    //关闭命令为:deactivate
    

    4、安装TensorFlow:

    //CPU版本
    pip install --upgrade --ignore-installed tensorflow
    //GPU版本,根据自己需要选择版本号,没有的话会安装最新的版本
    pip install --upgrade --ignore-installed tensorflow-gpu==1.8.0
    

    等待一会后,tensorflow 就安装好了。
      这种方法仅仅是安装TensorFlow的包,并没有安装相关的依赖包
      如果缺少相关的依赖包话,推荐还是用conda安装

    //CPU版本,同样,后面可以跟版本号
    conda install tensorflow
    //GPU版本
    conda install tensorflow-gpu
    

    5、测试tensorflow
      在Anaconda Prompt中启动tensorflow环境,并进入python环境。

    activate tensorflow
    python
    

    这里写图片描述
      测试代码如下:

    import tensorflow as tf
    print(tf.__version__)
    

    输出1.8.0,安装成功。

    ###3. 在ipython 和Spyder使用Tensorflow
      我们在Anaconda自带的ipython 和Spyder中import tensorflow的时候一直失败,提示 No module named ‘tensorflow’,如下图,那是因为我们没有在tensorflow的环境下打开它们。
    这里写图片描述
      为了能在ipython 和Spyder中使用tensorflow,我们需要在tensorflow的环境中安装这两个的插件。
      打开Anaconda Navigator,选择Not installed,找到 ipython和Spyder并安装,笔者这里已经安装好,所以在这个页面没有显示。
    这里写图片描述
      切换到installed,可以看到两个都已经安装好,其实可以按照自己的需要安装。下图显示已经安装好的Spyder:
    这里写图片描述
      安装好插件后,我们需要测试一下。
      在Anaconda Prompt中启动tensorflow环境,并运行ipython,import tensorflow发现成功:
    这里写图片描述
      同样,在Anaconda Prompt中启动tensorflow环境,并运行Spyder,等一会儿后会启动Spyder IDE,import tensorflow 同样成功:
    这里写图片描述
    这里写图片描述
      注意:一定要启动tensorflow 环境下的Spyder才可以import tensorflow,不要去开始菜单运行Spyder,在那里是无法运行的,如:
    这里写图片描述
    参考链接:Windows10下用Anaconda3安装TensorFlow教程
         Win10下用Anaconda安装TensorFlow

    展开全文
  • 一直比较疑惑,当Ubuntu上TensorFlowcpugpu版本共存时,他会自动选择哪个呢? 测试当前使用cpu还是gpu方法,下面两种方法都可以 from tensorflow.python.client import device_lib print(device_lib.list_...

    1.默认选择

    一直比较疑惑,当Ubuntu上TensorFlow的cpu与gpu版本共存时,他会自动选择哪个呢?

    测试当前使用cpu还是gpu方法,下面两种方法都可以

    from tensorflow.python.client import device_lib
    print(device_lib.list_local_devices())
    

     

    import tensorflow as tf
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
    c = tf.matmul(a, b)
    # Creates a session with log_device_placement set to True.
    sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
    
    print(sess.run(c))

    按照网友的说法,一般会自动选择gpu版本,因为gpu版本里实际上包含了gpu,当然也可以通过CUDA_VISIBLE_DEVICES的设置来进行指定。

    假定这里gpu总共有八块,通过nvidia-smi查看发现5,6,7是空闲的(从0开始编号)
    
    则运行命令修改为:CUDA_VISIBLE_DEVICES=5,6,7 python train.py

    还有一种情况会自动选择cpu, 那就是当tf-gpu版本低于cpu版本时,这时可以采取gpu版本升级。

    2.版本不对应

    第二次安装的是cuda9.1的版本

    直接pip3 install tf-gpu会下载最新的1.14.0,运行发现是CPU在工作,中间过程显示原因是GPU有些库打不开

    具体的库是这些:

    打开cuda 9.1

    要求的是10.0,所以对不上,要将tf-gpu降级,用uninstall把tf-gpu 1.14.0的去掉

    tf-cpu是1.12.0版本,import tf报错 libcublas.9.0 not found,于是uninstall tf-cpu 1.12.0(必须sudo),全部降为以下版本

    还是不行,后来网上又说,是因为tf官方版本没有支持cuda9.1的,只支持9.0

    mind/wheels是tiny mind开发的为Linux准备的特殊版本的tensorflow,包含支持CUDA9.1的tensorflow,在GitHub下载wheel文件

    在whl所在路径下使用pip3 install xxx.whl

    再尝试直接用pip install

    3.cuda崩溃

    我通过上面方法来测试,发现一直选择的是cpu,明明之前都使用gpu的呀,于是我去查原因。

    首先检查cuda,发现以前通过测试的,现在又fail了

    没出现之前的成功结果,而是报下面的错误

    在论坛上搜原因,大家都提示用nvidia-smi命令进行检测,我也遇到了版本不匹配的问题

    原因:应该是驱动版本的原因

    于是我又去查解决办法

    方案一:reboot(对我没用)

    方案二:关掉驱动自动更新(没用)

    方案三:reload kernel mod(没用)

    方案四:安装高版本驱动(第一句不能正常执行)

    #用su切换到root
    
    add-apt-repository ppa:graphics-drivers/ppa
    apt-get update
    apt-get install nvidia-410

     

    报错

     

    方案5:重装cuda,这次选择安装驱动(自己突发奇想)

    ./deviceQuery测试通过,nvidia-smi也能正常显示

    再export一下环境变量,再测试一下,发现就是GPU在工作了

    终于成功了!

    展开全文
  • 安装GPU版本的tensorflow(使用GPU加速的tensorflow模型训练速度更快) Ubuntu中的安装步骤 安装CPU版本的tensorflow 安装GPU版本的tensorflow 最完备教程,没有之一。让你知其然,且知其所以然。 Windows系统...

    目录

    Windows系统下安装步骤

    安装CPU版本的tensorflow

    安装GPU版本的tensorflow(使用GPU加速的tensorflow模型训练速度更快)

    Ubuntu中的安装步骤

    安装CPU版本的tensorflow

    安装GPU版本的tensorflow


    最完备教程,没有之一。让你知其然,且知其所以然。


    Windows系统下安装步骤

    安装CPU版本的tensorflow

    (关于CPU、GPU、CUDA、cuDNN几个概念的介绍参考:https://blog.csdn.net/fangjin_kl/article/details/53906874)

    1、安装anaconda

    anaconda是一个开源的python发行版。其中集成了包括conda、python等180多个科学工具包。可以从官网下载安装:https://www.anaconda.com/download/

    也可以从清华镜像网站下载(速度更快):https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

    自定义安装选项时可以点选自动添加用户环境变量选项,如果没有选择安装过程中自动添加,则安装完成后需要手动配置系统环境变量(conda和python是必须要设置环境变量的。要在命令行中使用python,只需要将anaconda的安装目录添加到环境变量中,即 xxx\anaconda 。conda的可执行程序在anaconda安装目录下的\Scripts文件夹下,因此还需要将\Scripts目录添加到环境变量中,即 xxx\anaconda\Scripts。除此之外还有几个可选的环境变量,一般用不到,但是为了避免以后用到的时候出问题还是都配置了比较好:xxx\anaconda\Library\bin 、xxx\anacondaLibrary\usr\bin 、xxx\anaconda\Library\mingw-w64\bin。当然,安装时自动添加的话这些环境变量都会配置)。

    配置完环境变量后打开一个新的 cmd 窗口,分别调用conda --version以及python --version,如果能够显示版本信息说明安装成功。

     在命令行中利用 conda list 命令可以查看已经安装的工具包。

    2、下载 pip工具(anaconda自带pip,只需要按照第一步配置环境变量即可使用。所以这步可以省略,只不过自带的pip版本较低,想要使用最新版本的话可以按照以下步骤手动下载安装)

    pip是Python 包管理工具,提供了对 Python 包的查找、下载、安装、卸载的功能。可以从以下网址下载:https://pypi.org/project/pip/#files

    下载完成后解压缩,进入命令行并将工作目录切换到pip解压包所在路径。然后运行python setup.py install开始安装。这里可能会出现以下报错:ModuleNotFoundError: No module named 'setuptools' ,意思是缺少第三方模块setuptools。这个安装包可以从以下网址下载:https://pypi.org/project/setuptools/#windows-simplified

    下载完成后解压缩,进入dos命令行并切换目录,运行python setup.py install进行安装。完成后再切换进入pip所在目录重新进行安装即可。最后不要忘了同样需要为其配置系统环境变量(注意利用python命令安装的工具都在\pkgs文件夹下python包中的\Scripts文件夹中)。然后在cmd中使用pip --version查看是否安装成功。

    3、安装TensorFlow

    (1)为了提高下载速度,使用清华的镜像(当然你也可以选择省略此步骤,但是后续在线安装tensorflow时有时候可能会报网络连接错误CondaHTTPError、ConnectionError):

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --set show_channel_urls yes

    (2)创建一个基于python3.6的conda计算环境(Windows下的tensorflow目前仅支持python3.5和3.6,且tensorflow 1.2以后的版本才支持python3.6),环境名称设置为tensorflow

    conda create -n tensorflow python=3.6   

    创建完成后可以打开 “开始——>Anaconda3——>Anaconda Navigator” ,点击左侧的 Environments,可以看到新创建的名称为tensorflow的环境。

    (3)接下来启动 tensorflow 环境

    activate tensorflow

    启动完成后命令行提示符前面会增加所启动的环境名称,如下图:

     (4)安装tensorflow

    pip install --upgrade --ignore-installed tensorflow  //如果不使用国内镜像,出现了网络报错可以多试几次

    下图表示已成功安装

      4、测试

    从开始菜单中找到Anaconda3文件夹

    然后打开Anaconda Prompt(也可以直接在命令行窗口中进行测试),输入 activate tensorflow 切换到名为tensorflow的python环境,然后输入python打开python程序

    输入以下测试代码:

    import tensorflow as tf
    hello = tf.constant('Hello, TensorFlow!')  #初始化一个TensorFlow的常量
    sess = tf.Session()  #启动一个会话
    print(sess.run(hello))

    打印出 b'Hello,TensorFlow!' ,表示tensorflow安装成功并可以正常使用。

    但是如果我们使用Anaconda自带的Spyder和jupyter notebook中输入 import tensorflow as tf 的时候会失败,报错为:No module named 'tensorflow',原因是我们没有在名为tensorflow的环境下打开这些工具

    解决方法为,在名为tensorflow 的环境下安装这几个工具(可以在图形界面中安装,也可以从命令行安装):

    通过图形界面安装

    打开 "Anaconda Navigator ——> Environment ——> tensorflow" 

    可以看到 Spyder 等工具都没有安装,点击 installed 下拉列表,选择 non-installed,然后搜索 ipython、Spyder、jupyter等工具进行下载安装

    通过命令行安装(使用包管理工具conda)

    conda install spyder  //安装其他工具也是同样操作

    安装完毕后会自动添加入开始菜单

    然后重新进行测试,我们可以直接从开始菜单启动这些工具,也可以从命令行启动(以Spyder为例,步骤都一样):

    打开命令行窗口,进入 tensorflow 环境,输入Spyder即可启动,然后输入测试代码,可以看到成功输出了打印信息。

     

    安装GPU版本的tensorflow(使用GPU加速的tensorflow模型训练速度更快)

    1、安装anaconda(同上)

    2、确认GPU是否支持CUDA以及对应支持的版本(GPU硬件加速主要依赖于CUDA异构计算)

    首先登录官网确认自己的显卡型号是否支持CUDA:https://developer.nvidia.com/cuda-gpus

    (CUDA版本的选择依赖于GPU的驱动程序版本,如下表,参考官方文档:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

    表一:CUDA 工具箱及GPU驱动的版本兼容性
    CUDA ToolkitLinux x86_64 Driver VersionWindows x86_64 Driver Version
    CUDA 10.0.130>= 410.48>= 411.31
    CUDA 9.2 (9.2.148 Update 1)>= 396.37>= 398.26
    CUDA 9.2 (9.2.88)>= 396.26>= 397.44
    CUDA 9.1 (9.1.85)>= 390.46>= 391.29
    CUDA 9.0 (9.0.76)>= 384.81>= 385.54
    CUDA 8.0 (8.0.61 GA2)>= 375.26>= 376.51
    CUDA 8.0 (8.0.44)>= 367.48>= 369.30
    CUDA 7.5 (7.5.16)>= 352.31>= 353.66
    CUDA 7.0 (7.0.28)>= 346.46>= 347.62

    如果GPU型号支持CUDA工具箱,打开NVIDIA控制面板查看当前安装的显卡驱动版本,并根据上表查看兼容的CUDA版本。也可以直接在控制面板中查看当前的显卡驱动兼容的CUDA最高版本

    点击“系统信息”,红线部分即为GPU驱动版本信息

    然后点击“组件”,横线部分即为GPU对应支持的CUDA最高版本。

    3、安装CUDA

    首先从官网下载低于上一步中确定的版本上限的CUDA工具箱安装文件(事实上,当我们选择安装高于当前可兼容的CUDA版本时也没有任何问题,因为安装完整版的CUDA时,只要显卡支持,驱动会自动升级至可兼容版本):https://developer.nvidia.com/cuda-toolkit-archive

    这里选择 CUDA9.0 ,记得下载 local 版本(即完整版,network版为精简版),下载后直接双击安装即可,安装过程中环境变量会自动配置。为了减轻c盘空间压力,可以选择将安装目录更改为其他盘符。

    安装完成后可以验证一下是否安装成功。打开命令行窗口,输入 nvcc -V ,输出CUDA版本信息即安装成功

    当然也可以通过编译运行 CUDA Samples 来验证(参考:https://blog.csdn.net/m0_37638031/article/details/78896818),但是这个方法比较麻烦,还需要安装 Visual Studio IDE 。事实上如果我们不运行示例程序的话只需要安装对应版本的Visual C++ 编译器即可(这里推荐 vc++2015Redistributable)。可以在“控制面板——>卸载程序”中查看系统中是否已经安装了需要的库,如果没有,从官网下载安装即可:https://www.microsoft.com/en-us/download/details.aspx?id=48145 注意安装64位的。

    可以在CUDA下载页面点击版本号右侧的 Onlie Decumentation ——> installation guides Windows 查看对应版本的CUDA支持的编译器IDE 版本。如下图:

    表二:CUDA 9.2 支持的 Windows 编译器
    CompilerIDENative x86_64Cross (x86_32 on x86_64)
    Visual C++ 15.0 and 15.6Visual Studio 2017 (RTW and Update 6)YESNO
    Visual C++ 14.0Visual Studio 2015YESNO
    Visual Studio Community 2015YESNO
    Visual C++ 12.0Visual Studio 2013YESYES
    Visual C++ 11.0Visual Studio 2012YESYES
    Visual C++ 10.0 DEPRECATEDVisual Studio 2010YESYES

    4、确认cuDNN对应于CUDA的版本并下载配置(不需要安装)

    cuDNN是用于深度神经网络的GPU加速库。它是配合CUDA使用的,因此也有版本之间的对应关系,可以从tensorflow官网查看 https://tensorflow.google.cn/install/source_windows 如下表:

    表三:Windows下TensorFlow、CUDA和cuDNN之间的版本对应关系
    VersionPython versionCompilerBuild toolscuDNNCUDA
    tensorflow_gpu-1.12.03.5-3.6MSVC 2015 update 3Bazel 0.15.079
    tensorflow_gpu-1.11.03.5-3.6MSVC 2015 update 3Bazel 0.15.079
    tensorflow_gpu-1.10.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
    tensorflow_gpu-1.9.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
    tensorflow_gpu-1.8.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
    tensorflow_gpu-1.7.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
    tensorflow_gpu-1.6.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
    tensorflow_gpu-1.5.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
    tensorflow_gpu-1.4.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
    tensorflow_gpu-1.3.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
    tensorflow_gpu-1.2.03.5-3.6MSVC 2015 update 3Cmake v3.6.35.18
    tensorflow_gpu-1.1.03.5MSVC 2015 update 3Cmake v3.6.35.18
    tensorflow_gpu-1.0.03.5MSVC 2015 update 3Cmake v3.6.35.18

    然后从Nivdia官网下载对应版本的cuDNN:https://developer.nvidia.com/rdp/cudnn-archive

    下载之前需要注册NVIDIA会员,按要求注册登录即可。下载完成后解压得到 “cuda” 文件夹,内容如下图:

    将所有文件合并拷贝到CUDA的安装目录中即可。

    5、创建一个用于安装tensorflow的conda计算环境

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --set show_channel_urls yes    //添加清华镜像
    
    conda create -n tensorflow-gpu python=3.6   //环境名称为tensorflow-gpu,python版本选择3.6。
                                                //事实证明,可以创建同一python版本的多个不同名环境

    6、安装tensorflow

    如表三,tensorflow与CUDA以及cuDNN 之间有严格的版本对应关系,查表确定需要安装的tensorflow版本即可。

    pip install --ignore-installed --upgrade tensorflow-gpu 
    //默认安装最新版本的tensorflow,可以根据本地安装的CUDA版本指定对应的tensorflow的安装版本:pip install tensorflow-gpu==1.5.0

    7、测试

    激活tensorflow-gpu环境,打开python程序,输入以下测试代码:

    import tensorflow as tf
    sess = tf.Session()
    a = tf.constant(10)
    b = tf.constant(22)
    print(sess.run(a + b))

    其他工具下的测试举一反三即可。

     

    可能出现的报错处理

    "ImportError: DLL load failed: 找不到指定的模块、Failed to load the native TensorFlow runtime." 报错信息如下图:

    这是因为安装的tensorflow的版本过高,和CUDA、cuDNN版本不匹配。解决方法是重新安装较低版本的tensorflow。

     

    Ubuntu中的安装步骤

    安装CPU版本的tensorflow

    1、安装anaconda

    同样需要先从官网 https://www.anaconda.com/download/ 下载安装包,然后在安装包目录下打开终端,并利用如下命令进行安装

    bash Anaconda3-5.3.0-Linux-x86_64.sh  //Anaconda3-5.3.0-Linux-x86_64.sh为安装包名称,更换为你的即可

    根据提示完成安装即可。

    2、创建用于安装tensorflow的conda计算环境

    打开一个新的终端,创建一个基于python3.6(Linux下tensorflow目前支持python2.7、3.3-3.6)的conda计算环境,环境名称设置为tensorflow

    conda create -n tensorflow python=3.6

    创建完成后,可以在终端中输入 anaconda-navigator 打开图形用户界面,然后在Environments选项卡中查看新创建的环境。

    3、激活名为tensorflow的环境

    source activate tensorflow  //也可以使用conda activate tensorflow

    4、安装tensorflow

    pip install --upgrade --ignore-installed tensorflow

    安装成功后会自动进入tensorflow环境,我们可以直接启动python编辑器进行测试。

    5、测试

    测试过程同Windows。

     

    安装GPU版本的tensorflow

    有了上述Windows下安装的经验,这里就简单多了。我们知道了如何确认显卡型号、驱动版本,如何选择需要安装的CUDA、cuDNN乃至tensorflow等工具的版本。下面直接给出查询链接以及目前的版本匹配表:https://tensorflow.google.cn/install/source

    表四:Linux下TensorFlow、CUDA和cuDNN之间的版本对应关系
    VersionPython versionCompilerBuild toolscuDNNCUDA
    tensorflow_gpu-1.12.02.7, 3.3-3.6GCC 4.8Bazel 0.15.079
    tensorflow_gpu-1.11.02.7, 3.3-3.6GCC 4.8Bazel 0.15.079
    tensorflow_gpu-1.10.02.7, 3.3-3.6GCC 4.8Bazel 0.15.079
    tensorflow_gpu-1.9.02.7, 3.3-3.6GCC 4.8Bazel 0.11.079
    tensorflow_gpu-1.8.02.7, 3.3-3.6GCC 4.8Bazel 0.10.079
    tensorflow_gpu-1.7.02.7, 3.3-3.6GCC 4.8Bazel 0.9.079
    tensorflow_gpu-1.6.02.7, 3.3-3.6GCC 4.8Bazel 0.9.079
    tensorflow_gpu-1.5.02.7, 3.3-3.6GCC 4.8Bazel 0.8.079
    tensorflow_gpu-1.4.02.7, 3.3-3.6GCC 4.8Bazel 0.5.468
    tensorflow_gpu-1.3.02.7, 3.3-3.6GCC 4.8Bazel 0.4.568
    tensorflow_gpu-1.2.02.7, 3.3-3.6GCC 4.8Bazel 0.4.55.18
    tensorflow_gpu-1.1.02.7, 3.3-3.6GCC 4.8Bazel 0.4.25.18
    tensorflow_gpu-1.0.02.7, 3.3-3.6GCC 4.8Bazel 0.4.25.18

    笔者安装了Ubuntu的电脑显卡比较次,这里选择安装 CUDA8.0 以及 cuDNN6.0 以及 tensorflow_gpu-1.3.0 。

    1、更新系统

    sudo apt-get update

    2、安装nvidia显卡驱动

    打开 “系统设置——>软件和更新——>附加驱动”

    然后按上图勾选,点击“应用更改”,安装完毕后点击“重新启动”

    重启后利用如下命令查看是否安装成功:

    lspci | grep -i NVIDIA

    如果输出了你的显卡信息,表示驱动已经安装成功。

    ldz@ldz-dell:~$ lspci | grep -i nvidia
    0a:00.0 3D controller: NVIDIA Corporation GM107M [GeForce GTX 850M] (rev a2)

    也可以在dash中搜索 nvidia ,如果搜索到了 NVIDIA X Server Settings 表示安装成功

    有的时候可能会在驱动安装以后出现屏幕分辨率变小的问题,并且无法调整为适应屏幕的分辨率(被固定为 640x480),在"系统设置——>显示"界面中会显示 built-in display 字样,这是因为 nvidia 显卡配置时将我们的系统分辨率限制在了 640x480 。这时打开 “NVIDIA X Server Settings ——> X Server Display Configuration" 可以看到设置的分辨率,我们将其修改为自己的显示屏适配的分辨率即可。然后点击 “Save to X Configuration File”,重启之后就恢复正常了。(具体可以参考:https://blog.csdn.net/qq_31215157/article/details/74781880?locationNum=10&fps=1

    3、安装anaconda(同上)

    4、安装CUDA

    下载

    然后进入安装包所在目录,打开终端输入以下命令进行安装:

    sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
    sudo apt-get update    //前面运行过,可以省去
    sudo apt-get install cuda

    安装完成后需要配置环境变量,打开 ~/.bashrc 文件,追加下面一行(根据官方教程):

    export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}   // usr/local目录下还有一个cuda-8.0文件夹的快捷方式,
                                                            叫做cuda,因此设置环境变量时可以利用cuda替代cuda-8.0
    

    然后 source ~/.bashrc 刷新终端环境,或者打开新的终端输入 nvcc -V 验证是否安装成功。如果输出了CUDA的版本信息则说明已经成功安装。

    5、下载配置cuDNN

    下载

    下载完成后解压缩,得到 cuda 文件夹,将文件夹中的所有文件合并拷贝到 CUDA 的安装目录,也就是 /usr/local/cuda-8.0(或者 /usr/local/cuda) 。由于权限问题,不能通过图形界面复制粘贴,只能利用终端命令:

    sudo cp cuda/include/cudnn.h /usr/local/cuda/include
    sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
    sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

    6、安装tensorflow

    创建并激活用于安装tensorflow的conda计算环境

    conda create -n tensorflow-gpu python=3.6
    source activate tensorflow-gpu
    

    安装tensorflow

    pip install --upgrade --ignore-installed tensorflow==1.3.0
    

    7、测试

    输入以下测试代码

    import tensorflow as tf
    hello = tf.constant('Hello, Word!')
    sess = tf.Session()
    print(sess.run(hello))

    输出 b'Hello, Word!' ,ok成功咯~

     

     

     

     

     

     

     

    展开全文
  • 列出可用GPU from tensorflow.python.client import device_lib print(device_lib.list_local_devices()) from keras import backend as K K.tensorflow_backend._get_available_gpus() 切换 import ...
  • Window10 Anaconda3下安装tensorflowcpu版本)、kerasjupyter 首先,大家得安装Anaconda3,怎么安装我就不赘述了,可以自行搜索相关博客~ 一、Tensorflow安装 创建虚拟环境 首先,打开Anaconda Prompt:开始...
  • Anaconda Tensorflow GPU 版本的安装问题尝试一准备:conda create -n poseCNN python=2.7conda activate poseCNNconda deactivate1. 首先在终端执行:anaconda search -t conda tensorflow1此指令会查询conda环境中...
  • Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建

    万次阅读 多人点赞 2018-01-15 19:40:07
    今天分享一下本人在笔记本上配置TensorFlow环境的过程。...GPU NVIDIA GeForce 940M(忽略掉我的渣渣GPU) Windows10 所需的环境: Anaconda3(64bit) CUDA-8.0 CuDNN-5.1 Python-3.6 TensorFlow 或者 Ten...
  • 说明电脑配置:Acer笔记本CPU Inter Core i5-6200UGPU NVIDIA GeForce 940M(忽略掉我的渣渣GPU)Windows10所需的环境:Anaconda3(64bit)CUDA-8.0CuDNN-5.1Python-3.6TensorFlow 或者 TensorFlow-gpu首先安装Anacond.....
  • tensorflow-GPU切换CPU和GPU

    千次阅读 2019-08-14 14:08:46
    在所有代码前 import os os.environ["CUDA_VISIBLE_DEVICES"] = "-1" # 这一行注释掉就是使用cpu,不注释就是使用gpu
  • 单机tensorflow cpu/gpu切换

    千次阅读 2019-04-02 20:06:02
    gpu环境安装参考...单机tensorflow cpu/gpu切换 python3 model.py(默认gpu下运行) CUDA_VISIBLE_DEVICES="cpu" python3 model.py(切换gpu下运行) ...
  • 最好用的win10环境下tensorflow2.0 CPU/GPU安装教程

    千次阅读 多人点赞 2020-02-26 00:56:56
    最好用的win10环境下ensorflow2.0 CPU/GPU安装 1、确保你的电脑安装了anaconda,如果没有参考我的这篇博客 https://blog.csdn.net/JohnLeeK/article/details/99582355 2、对你的anaconda还有pip换源(非必要,...
  • 在所有代码前 import os os.environ["CUDA_VISIBLE_DEVICES"] = "-1" 在这里插入代码片 这一行注释掉就是使用gpu,不注释就是使用cpu
  • 接触深度学习也有两三年时间了,开始在学校用Caffe,现在出来工作主要用TensorFlow,配置TensorFlow也有很多次了,Windows下,Ubuntu下都有,现把在Ubuntu下配置TensorFlow的步骤总结一下,虽然很简单~~ 第一步:...
  • 最近一直在安装 TensorFlow, 因为一直切换到 Ubuntu 系统比较麻烦,所以就尝试在Windows 系统上进行安装,发现下面这种方法进行安装十分方便。现在记录在这里。 1. 可选 如果想要安装GPU 版本,继续阅读,如果只想...
  • 由于目前很多TensorFlow初学者在安装时候遇见各种坑,下面亲测很顺利通过,希望对大家有帮助。一.安装ubuntu本次使用16.04.4,u盘做好安装盘,需要注意一些机器在安装界面跳出的时候需按“E”,选择语言,然后F6选择...
  • tensorflow cpu版本转gpu版本(win10)

    千次阅读 2020-04-02 17:12:49
    tensorflow cpu版转gpu版(win10)动机删除当前的tensorflow安装CUDAcuDAA安装tensorflow-gpu效果 动机 一开始因为图方便只装了cpu版的,后来在训练一个简单的一维CNN的时候发现每个step要200多ms,于是决定换成...
  • 下载miniconda3 环境 ...python版本2.x 3.x(这个如果自己没有特别要求的话,建议选3.x) 当然如果你内存够大,选anaconda3也是ok的。 创建tensorflow环境 注意下好miniconda3或者anacond...
  • 安装tensorflow一般有两种,一种是cpu版本,另一种是gpu版本。安装前要注意你的电脑有没有NVIDIA的显卡,如果你的电脑是AMD的,对不起,你的电脑可能无法安装gpu版本的tensorflow,只能安装cpu版本的。 ** 1.安装cpu...
  • tensorflowgpu和cpu切换

    2020-04-26 13:43:44
    两者同时存在时使用gpu 要想使用cpu,在代码里添加如下命令: matrix1=tf.constant([[3.,3.]]) matrix2=tf.constant([[2.],[2.]]) with tf.Session() as ses: with tf.device("/cpu:0"): product=tf.matmul...
  • TensorFlow基础知识点(一)切换CPUGPU

    万次阅读 热门讨论 2017-03-14 13:52:41
    TensorFlow中文翻译使用手册 以下系列都是或多或少来自手册内容,只是作为易忘点进行整理。... Device语句明确指定那个CpuGpu将被调用。with tf.Session() as ses: with tf.device("/gup:1"): matrix1=tf.con
  • tensorflow2 GPU和CPU切换

    2020-09-16 15:03:51
    当你安装上gpu版本的tensorflow2时,默认情况下使用GPU,当你想要切换CPU运行程序时, 你需要的代码开头添加一句代码 os.environ["CUDA_VISIBLE_DEVICES"] = "-1
  • Win10使用Anaconda安装Tensorflow CPU和GPU版并简单测试谷歌Objectdetection API 安装Anaconda3(方便管理Tensorflow和Python环境) 从官网下载(https://www.anaconda.com/download/#windows), 一直点下一步。 将...
  • Tensorflow下配置CPU+GPU

    2018-11-10 20:00:21
    找了很多文章,都认为CPU和GPU不能共存 切换Tensorflow-gpu下 conda list 发现存在 tensorflow 所以调用时会先使用 CPU 因此需要uninstall tensorflow 对应命令为 pip uninstall tensorflow 卸载后即可优先...
  • tensorflow2.0 GPU和CPU切换

    千次阅读 2020-02-20 15:22:32
    首先若不加任何配置情况下,是默认使用gpu的, 加上下面这句代码就使用cpu了。 os.environ["CUDA_VISIBLE_DEVICES"] = "-1
  • tf2.0的三个优点: 1、方便搭建网络架构; 2、自动求导 ...step3:安装tensorflow2.0 cpu版本 (1)进入anaconda prompt(anaconda3) (2)默认为(base)环境 (3)输入python,查看python...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,955
精华内容 1,582
关键字:

tensorflow切换cpu和gpu