精华内容
下载资源
问答
  • tensorflow-gpu

    2018-09-25 09:44:08
    tensorflow-gpu 在Windows 10上使用TensorFlowGPU)训练多个对象的对象检测分类器
  • tensorflow-gpu2.x无法检测GPU设备

    千次阅读 2020-09-12 16:54:00
    tensorflow-gpu2.x无法检测GPU设备 1.检查 在解决问题前检查一下tensorflow是否只能检查到CPU,而无法检查到GPU,而非无法调用GPU。 import tensorflow as tf print(tf.test.is_gpu_available()) gpus = tf.config...

    tensorflow-gpu2.x无法检测到GPU设备

    1.检查

    在解决问题前检查一下tensorflow是否只能检查到CPU,而无法检查到GPU,而非无法调用GPU。

    import tensorflow as tf
    print(tf.test.is_gpu_available())
    gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
    cpus = tf.config.experimental.list_physical_devices(device_type='CPU')
    print(gpus, cpus)
    
    
    #打印结果为 
    #False   
    #[] [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]
    

    2.解决方法

    2.1问题一:没安装对应的cudnn和cudatoolkit依赖

    解决办法:安装对应的cudnn和cudatoolkit

    这个我就不重述了我博文里面有:https://blog.csdn.net/qq_43203949/article/details/108479784.

    注意我的安装环境是:其中Driver Version: 441.83 NVIDIA-SMI 441.83没有绝对的要求。

    在这里插入图片描述

    2.2问题二:安装了对应的依赖却缺失了关键文件(cudnn64_7.dll)

    如发生一下问题:(在pycharm的红色字体报告中可以看到)

    Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll not found
    

    解决办法:去英伟达那里下载对应的cudnn文件,并将缺失文件拷贝到对应的文件夹中即可。

    这个我就不重述了,我这个也写了一个博文:
    https://blog.csdn.net/qq_43203949/article/details/108550960.

    展开全文
  • 我们使用anoconda创建envs环境下的Tensorflow-gpu版的,但是当我们在Pycharm设置里的工程中安装Keras后,发现调用keras无法使用gpu进行加速,且使用的是cpu在运算,这就违背了我们安装Tensorflow-gpu版初衷了。...
  • Ubuntu + CUDA9.0 + tensorflow-gpu 安装过程

    万次阅读 多人点赞 2018-02-14 17:10:49
    Ubuntu + CUDA9.0 + tensorflow-gpu 安装过程 简介: tensorflow现在最新版本是1.5,支持CUDA9.0和cuDNN7.0,因此本教程是在该版本基础上进行安装的。我的电脑CPU是Intel core i7 4710MQ,GPU是GTX940M,...

    Ubuntu + CUDA9.0 + tensorflow-gpu 安装过程

    简介:

    tensorflow支持CUDA9.0和cuDNN7.0,因此本教程是在该版本基础上进行安装的。我的电脑CPU是Intel core i7 4710MQ,GPU是GTX940M,请大家在安装前自己检查下硬件是否符合要求。

    Ubuntu 18.04

    请更新的系统 https://blog.csdn.net/qq_35976351/article/details/89178917

    win10系统

    https://blog.csdn.net/qq_35976351/article/details/83041890

    系统说明:

    最好是Ubuntu16.04的,Ubuntu17.10也可以。CUDA9.0要求GCC版本是5.x或者6.x,其他版本不可以,需要自己进行配置,具体过程在这里不再赘述。其他的系统参照下面的配图,一般来说只要是GCC和硬件满足要求都行:
    这里写图片描述

    安装CUDA® Toolkit 9.0.

    CUDA9.0下载地址:https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal

    注意,一定是要是CUDA9.0而不是CUDA9.1,否则tensorflow运行时会报错(我第一次就选错了)!!!首次进入下载需要邮件注册,大家找一个邮件注册后就可以了。注册完成后,再进入上边的那个链接就行。
    选择版本的过程,按照黑笔画出的标记:
    这里写图片描述
    假设我们把CUDA的安装包下载到~/Downloads文件夹中。之后,在这里打开终端,依次输入下面的命令:

    1. sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
    2. sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
    3. sudo apt-get update
    4. sudo apt-get install cuda

    再CUDA完成安装之后,还需要添加环境变量,打开终端,输入下面的命令:

    1. export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
    2. 如果是64位系统,输入:
      export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
    3. 如果是32位系统,输入:
      export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

    上述过程完成了整个的CUDA9.0的安装

    安装cuDNN v7.0.

    **cuDNN v7.0.**下载地址:https://developer.nvidia.com/cudnn
    用之前下载CUDA注册的邮箱登录就行。

    进入之后点击Download,之后进入下载界面,选择上I Agree To the Terms of the cuDNN Software License Agreement的复选框,一次要选择上正确的版本!!!!!看下图黑笔标记的
    这里写图片描述

    同样的,假设下载目录是~/Downloads,在这里打开终端,之后输入以下命令:
    sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
    注意,上述命令中的可能会由于cudnn版本的细微差异而不同,注意tab键补齐就行。之后等待完成cuDNN的安装。

    安装Tensorflow-GPU版本

    GPU相比于CPU,再运算速度上有很大的优势,这也是本文推荐安装GPU版本的原因。

    Tensorflow总共有4中安装方式,在这里,我们使用Google官方推荐的安装方式:Virtualenv,创建一个虚拟Python开发环境。

    1. 安装pip和Virtualenv
      打开终端;
      如果使用Python 2.7的版本,输入sudo apt-get install python-pip python-dev python-virtualenv
      如果使用Python 3.x的版本,输入sudo apt-get install python3-pip python3-dev python-virtualenv
      两者选择一个就行,个人推荐Python 3.x版本

    2. 创造一个虚拟的Python开发环境:
      第一步如果选择Python 2.7版本,终端输入:virtualenv --system-site-packages ~/tensorflow
      第一步如果选择Python 3.x版本,终端输入:virtualenv --system-site-packages -p python3 ~/tensorflow
      注意,~/tensorflow是自己选择的位置并创建的目录。大家可以自行选择其他的位置和命名。本教程创建完成之后,会在用户家目录下看到多出的tensorflow文件夹:
      这里写图片描述

    3. 激活虚拟环境:
      如果你的终端是bash, sh, ksh, zsh中的一个,那么输入:source ~/tensorflow/bin/activate
      如果你的终端是csh,tcsh,那么输入:source ~/tensorflow/bin/activate.csh
      如果你不知道的话。。。。那就输入第一个吧,Ubuntu默认是第一个。。。。。
      之后,会再终端中看到:
      这里写图片描述

    4. 保证pip的版本不低于8.1,再虚拟环境中输入:easy_install -U pip
      这里写图片描述

    5. 安装tersorflow-gpu版本:
      Python 2.7版本:pip install --upgrade tensorflow-gpu
      Python 3.x版本:pip3 install --upgrade tensorflow-gpu
      经过这一步骤之后,tensorflow就安装完成了。

      如果安装速度慢,且没法fanqiang的话,可以使用清华的源
      pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
      pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

    6. 以后,如果需要使用tenssorflow,则打开终端输入:source ~/tensorflow/bin/activate,如果关闭虚拟环境,输入deactivate即可
      这里写图片描述

    7. 有些IDE 会自动检测tensorflow创建的虚拟环境,不必在终端中单独开启或者关闭,比如pycharm等。

    实际运行检验:
    使用pycharm作为IDE,进行检验。
    检验代码:

    import tensorflow as tf
    import numpy as np
    x = tf.placeholder("float",shape=[None,1])
    
    
    W = tf.Variable(tf.zeros([1,1]))
    b = tf.Variable(tf.zeros([1]))
    
    
    y = tf.matmul(x,W) +b
    
    y_ = tf.placeholder("float",[None,1])
    
    cost = tf.reduce_sum(tf.pow((y_-y),2))
    
    train_step = tf.train.GradientDescentOptimizer(0.001).minimize(cost)
    
    init = tf.initialize_all_variables()
    
    sess = tf.Session()
    sess.run(init)
    
    
    All_x = np.empty(shape=[1,1])
    All_y = np.empty(shape=[1,1])
    
    
    for i in range(1000):
        x_s = np.random.rand(1,1)
    
        y_s = np.dot([[0.33]],np.random.rand(1,1)) + 0.33
    
        feed = {x: x_s, y_: y_s}
        sess.run(train_step,feed_dict=feed)
        print("After %d iteration:"%i)
        print("W : %f"%sess.run(W))
        print("b : %f"%sess.run(b))
    
        All_x = np.concatenate((All_x,x_s))
        All_y = np.concatenate((All_y,y_s))
    
    print(All_x)
    print(All_y)
    

    运行截图:
    这里写图片描述

    以上是所有的安装步骤,有解决不了的问题可以再下方留言,我有时间会帮助大家解决。。。。

    展开全文
  • tensorflow-gpu==1.x 只有CPU cpu运行 和tensorflow一样运行 有GPU且装Cuda和Cudnn cpu运行 gpu运行 有GPU未装Cuda或Cudnn cpu运行 和tensorflow一样运行 在tensorflow 2.x中, 环境 ...

    在tensorflow 1.x中,

    环境 tensorflow==1.x tensorflow-gpu==1.x
    只有CPU cpu运行 和tensorflow一样运行
    有GPU且装Cuda和Cudnn cpu运行 gpu运行
    有GPU未装Cuda或Cudnn cpu运行 和tensorflow一样运行

    在tensorflow 2.x中,

    环境 tensorflow-cpu==2.x tensorflow==2.x
    只有CPU cpu运行 cpu运行
    有GPU且装Cuda和Cudnn cpu运行 gpu运行
    有GPU未装Cuda或Cudnn cpu运行 cpu运行

    tensorflow 2.x不再区分是否gpu,当检测到gpu并安装cuda后,自动调用gpu。

    但是,有些人不需要或没有gpu,gpu适配对这部分群体是浪费的(占用不必要的资源),于是有了tensorflow-cpu,我们可以理解其为cpu only版本

    (综上,也可以理解为:tensorflow==1.x对应tensorflow-cpu==2.x,tensorflow-gpu==1.x对应tensorflow==2.x)

    个人理解,如有错误请指正。

    参考:
    https://github.com/tensorflow/tensorflow/tree/v2.3.1
    https://github.com/tensorflow/tensorflow/tree/r1.14
    Difference between installation libraries of Tensorflow GPU vs CPU

    展开全文
  • 安装tensorflow-gpu

    2021-05-11 09:20:14
    安装tensorflow-gpu 安装tensorflowgpu真的是踩了一堆坑,所以写篇博客记录一下; 首先安装ensorflow-gpu并不单单只是pip install tensorflow-gpu就完事了,要装和注意的东西比想象中的多; 1要有显卡,而且显卡...

    安装tensorflow-gpu

    安装tensorflow的gpu真的是踩了一堆坑,所以写篇博客记录一下;
    首先安装ensorflow-gpu并不单单只是pip install tensorflow-gpu就完事了,要装和注意的东西比想象中的多;
    1要有显卡,而且显卡支持cuda,下个gpuz或者其他的显卡检测工具看下显卡支不支持cuda技术

    在这里插入图片描述
    上面是gpuz截图

    2打开你的显卡控制面板,也就是下面这东西
    在这里插入图片描述
    然后选择 帮助-》系统信息-》组件
    在这里插入图片描述
    在这里能看到你的显卡驱动(NVCUDA64.DLL)和 右侧其对应的cuda版本
    网上好多教程都只讲了tensorflow-gpu要和cuda和cudnn匹配,没什么人讲cuda要和驱动匹配,不知道是不是大佬们不屑于说。
    如果驱动和cuda不配,就会报这个错
    ptxas fatal : Memory allocation failure
    ptxas fatal : Memory allocation failure是内存分配失败,就是驱动不匹配的问题,调动不了内存,内存不够肯定跑不起来模型,关键是它又能进行最基本的tensorflow测试,恼人。
    我后面不想降驱动就直接下了最新的cuda和cudnn还有tensorflow,所以我只放下面两个链接
    https://developer.nvidia.com/cuda-toolkit-archive
    https://developer.nvidia.com/rdp/cudnn-archive
    3安装完成上面这些,且在你已安装过anaconda的情况下,可以直接conda create --name tensorflow(可替换) python=(tensorflow对应的python版本)
    然后activate tensorflow(刚刚创建的虚拟环境名)就可以pip install tensorflow-gpu==(你想要的版本)
    其实也可以直接安装在base环境,只不过为了环境稳定不升级一般不这么做罢了。
    4其他的一些报错
    original_keras_version = f.attrs[‘keras_version‘].decode(‘utf8‘)卸载原来的h5py模块,安装2.10版本
    pip install h5py==2.10 -i https://pypi.tuna.tsinghua.edu.cn/simple/

    展开全文
  • 文章目录Tensorflow-gpu完整安装配置查看计算机是否支持CUDA选定tensorflow-gpu版本下载安装CUDA检测CUDA是否下载完成下载cuDNN安装tensorflow-gpu检测tensorflow-gpu是否安装成功安装tensorflow-gpu的常见问题 ...
  • tensorflow-gpu版本安装

    2021-03-22 22:39:08
    1. tensorflow-gpu 1.15.0版本...2. tensorflow-gpu 版本小于1.15.0时只能装在含有gpu的pc,且此gpu的算力(tensorflow自动检测)需要支持tensorflow 即便安装成功,执行import tensorflow时会报错,无法继续使用. ...
  • anaconda安装tensorflow-gpu手把手教程

    千次阅读 2021-01-23 12:33:34
    ==anaconda开始安装tf-gpu完成之后,下载安装CUDA和CUDNN==其实最烦的是下载这一步== 我这里已经说了方法检测cuda的安装检测tf好了,到这里就结束 安装TensorFlow-GPU(bb几句,大佬勿喷) 因为最近要弄点机器学习...
  • Win10+GTX1650显卡下安装Tensorflow-gpu1.14的踩坑过程及训练目标检测模型 作为一个刚接触深度学习的小白,因目标检测的任务需求,在网上查阅了大量前辈写的相关blog,学到了很多东西,最后自己搭建完环境训练了模型...
  • nvidia-docker之tensorflow-gpu无法使用gpu一、报错 一、报错 no NVIDIA GPU device is present: /dev/nvidia0 does not exist
  • 文前言使用pip安装首先确保源足够稳定直接使用pip进行安装TensorFlow-GPU根据TensorFlow的版本安装CUDA和CUDNNCUDA安装过程CUDNN安装测试测试TensorFlow能否检测GPU二、问题记录失败的路一:失败的路二:失败的...
  • TensorFlow-GPU 安装 -- 056

    千次阅读 2020-02-27 08:00:00
    安装 tf-gpu 基本步骤和显卡介绍1、基本步骤1)判断电脑是否支持cuda2)安装NVIDIA显卡驱动3)安装64位的Python 3.64)安装tensorflow-gpu5)...
  • Python版tensorflow-gpu1.12.0安装说明

    千次阅读 2019-04-13 00:33:42
    Python版tensorflow-gpu1.12.0安装说明导语GPU安装环境准备具体步骤1.查看电脑是否支持tensorflow-gpu版本2.安装tensorflow-gpu3.调整protobuf版本4.下载cuda文件5.安装CUDA6.确认cuda安装,替换环境7.运行...
  • 如题,本人是小白级别的爱好者,使用的是联想台式机,win10系统,有一块GeForce GT730的独立显卡,想尝试安装tensorflow-gpu 进行加速。 在参考官网方法后,升级了显卡驱动,安装了CUDA9.0 及配套的cudnn7 并添加...
  • tensorflow-gpu安装

    2020-03-22 21:24:55
    WIN10安装GPUTensorflow踩坑记录 ** 最近新进一台笔记本,查找网上各种教程,学习安装Tensor flow-gpu版。整个过程可以说是各种问题层出不穷。遇到了各种坑。最终花了两天时间才把Anaconda+cuda+cudnn+Tensorflow-...
  • Tensorflow-gpu+cuda+cudnn安装总结1.cuda11.02.cudnn8.03.Tensorflow-GPU4.总结 先上核心!!!各版本对应 1.cuda11.0 首先我们需要看你的显卡以及当前驱动的版本,根据版本我们选择cuda下载安装。据本小白测试,...
  • @[孙悟充](tensorflow-gpu1.13 + Win10 + CUDA10.1 + CUDNN7.5.0 + VS2019安装) tensorflow-gpu1.13 + Win10 + CUDA10.1 + CUDNN7.5.0 + VS2019安装 第一次做安装笔记,记录一下自己历经一周多次安装tensorflow-gpu...
  • 安装TensorFlow-gpu最大的问题就是显卡驱动版本与软件包中不匹配。这个python程序可以检测目前系统中的显卡驱动。由于条件限制,目前只能支持Windows系统。希望可以帮助到大家。 # -*- coding: utf-8 -*- import os...
  • 1.前提:本机已安装tensorflow-gpu 2.检测: import tensorflow as tf sess=tf.Session(config=tf.ConfigProto(log_device_placement=True)) 3.目的: 查看日志信息,若包含gpu信息,就是使用了gpu。 其他方法:跑...
  • 本文档为本人在使用github上keras-yolov3-master项目(作者:qqwweee)的使用教程笔记,清楚记录了从tensorflow-gpu环境搭建到复现voc数据集的模型训练及预测,及最后实现迁移学习对神经元胞体的预测整个流程。...
  • tensorflow-gpu版安装

    2018-10-18 19:37:14
    一、前言  网上文章很多,自己刚刚... 上面的链接写的很清楚也很实用,网上很多教程是用的anaconda搭建的tensorflow-gpu,个人感觉不是很建议,因为在pycharm中需要换一下python解释器,换成conda环境下的pyth...
  • Keras无法调用tensorflow-gpu的解决方案

    万次阅读 2018-09-02 22:41:05
    今天用keras训练时发现内存占用率出奇的...看到同时安装了tensorflowtensorflow-gpu,keras默认调用了tensorflow 解决办法 同时卸载tensorflowtensorflow-gpu,keras 再安装tensorflow-gpu和keras就可以解决...
  • 深度学习中的目标检测tensorflow-gpu–API–测试单张图像的脚本程序 #encoding:utf-8 import tensorflow as tf import numpy as np import os from matplotlib import pyplot as plt from PIL import ...
  • 问题描述:我通过控制台使用tensorflow-gpu没问题,但是通过pycharm使用却不可以,如下所示: 通过控制台: answer@answer-desktop:/$ python Python 3.7.0 (default, Jun 28 2018, 13:15:42) [GCC 7.2.0] :: ...
  • RTX3090安装TensorFlow-GPU环境并迁移tf1.15代码环境配置迁移tf1.15代码至tf2.5.0 环境配置 在网上看到不少用tf-nightly-gpu安装的,实测后发现有一定兼容性问题,无法正常运行卷积操作,运行tf.config.list_...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 14,069
精华内容 5,627
关键字:

tensorflow-gpu检测