tensorflow gpu版安装(直接anaconda虚拟环境中配置cuda,无需主机安装cuda、cudnn)

tensorflow gpu版安装(直接anaconda虚拟环境中配置cuda,无需主机安装cuda、cudnn等)

一、背景

cuda可以直接装到电脑上,但是安装步骤复杂,且失败率较高。选择anaconda虚拟环境安装,操作简单,且可以结合pytorch、tensorflow等深度学习框架的不同版本,安装不同的版本的cuda,各个虚拟环境互不干扰,也可以一键删除。

二、tensorflow-gpu安装教程

anaconda安装配置十分简单可自行查找教程,包括环境变量和镜像源配置。

打开cmd命令行(anaconda已放到环境变量)或者Anaconda PowershellPrompt(如下图):

输入nvidia-smi

![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/f46b19e9828a383c420fcc7a2d5cf015.png![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/aab0e3e1e4e74fa795333bd2829576bc.png)

如图,CUDA Version后面的就是电脑显卡可支持的cuda版本,所以我们要装的cuda版本需要<=12.6(可向下兼容)。如果输入nvidia-smi,表示命令不存在,则说明电脑没有安装显卡驱动,显卡驱动安装可参考如何在windows上 安装&更新 显卡的驱动

1、首先我们需要查找anaconda官方所提供cudatoolkit(这就是cuda在anaconda中的名称)的版本有哪些

输入如下命令:

conda search cudatoolkit --info

根据结果,我们可以知道有11.8、11.3、11.0等版本

2、根据tensorflow版本决定python、cuda、cudnn的版本

点击跳转--->查询tensorflow版本和python、cuda、cudnn的版本的对应关系

如图我这里选择标红的版本,因为其cuda11.0正符合上一步我们所查到的cudatoolkit=11.0,对于cuda11.2的版本,我不确定上述查到的cudatoolkit的11.3或11.8版本是否可行也就是否可向下兼容,读者可以自行尝试。

3、创建anaconda虚拟环境

输入 conda create -n test python=3.8

''test''为虚拟环境名词,可以自动定义。这里用python3.8。

输入y回车,等到运行完毕。输入conda env list,我们可以看到虚拟环境tese已创建完毕,环境名称后面是所在的路径,便于在pycharm等IDE中导入。(pycharm导入anaconda创建的虚拟环境的教程,可以在我的主页找到。)

环境创建好后,需要进入虚拟环境,输入conda activate test回车:

可以看到环境由base变为test,表示已经进入test虚拟环境。下一步就是安装cuda和cudnn。

4、cuda、cudnn安装

(一定要进入虚拟环境!!!),输入conda search cudatoolkit --info,查看cudatoolkit已有的安装包版本号。这里与上面的2.1类似,用来确定版本号

我们安装11.0.221,安装命令为conda install cudatoolkit=11.0.221(这里用conda命令安装),回车,运行成功之后,再安装cudnn,直接使用conda install cudnn回车。这样我们的cuda环境就配置完毕了。

5、tensorflow-gpu安装

输入pip install tensorflow-gpu==2.4.0,回车,确定安装,等待一会,如果不报错则安装成功。

6、验证tensorflow-gpu是否安装成功

在虚拟环境下,输入python,进入python命令行,

先导入torch库,import tensorflow as tf,再输入tf.test.is_gpu_available()

如图返回True,则证明tensorflow-gpu安装成功了!!!!!!

pytorch-gpu安装可以参考我的另一篇文章----->cuda环境配置(anaconda虚拟环境版,含pytorch-gpu安装)

相关推荐
算家云19 分钟前
微软预测 AI 2025,AI Agents 重塑工作形式
人工智能·深度学习·微软·算家云·ai agents
EDPJ35 分钟前
(2025,BioLM,综述)用于生物信息学的 LLM
人工智能·深度学习·语言模型
Francek Chen42 分钟前
【深度学习基础】多层感知机 | 多层感知机概述
人工智能·pytorch·深度学习·神经网络·多层感知机
Hugh&7 小时前
(开源)基于Django+Yolov8+Tensorflow的智能鸟类识别平台
python·yolo·django·tensorflow
迪三达9 小时前
生成模型:生成对抗网络-GAN
人工智能·深度学习·机器学习
好评笔记10 小时前
AIGC视频生成模型:ByteDance的PixelDance模型
论文阅读·人工智能·深度学习·机器学习·计算机视觉·aigc·transformer
HyperAI超神经11 小时前
超越 GPT-4o!从 HTML 到 Markdown,一键整理复杂网页;AI 对话不再冰冷,大模型对话微调数据集让响应更流畅
人工智能·深度学习·llm·html·数据集·多模态·gpt-4o
GISer_Jing12 小时前
大语言模型LMM学习路线—从入门到进阶
深度学习·机器学习·aigc
XianxinMao12 小时前
推理优化:语言模型突破的新引擎
人工智能·深度学习·语言模型
Q_w774212 小时前
游程编码RLE的简单解释
人工智能·深度学习·计算机视觉