pytorch和tensorflow 新手搭建GPU环境 |
您所在的位置:网站首页 › 英伟达显卡旧版驱动版本下载 › pytorch和tensorflow 新手搭建GPU环境 |
pytorch和tensorflow GPU配置
1.安装Anaconda
Anaconda官网:https://www.anaconda.com 清华大学开源镜像下载:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 最新版本嘎嘎下就完事了 1.1 环境变量右键此电脑,属性,高级环境设置,环境变量,找到path双击 点击Anaconda Navigator等待进入,成功 管理员运行anaconda prompt 1.conda info,conda --version 进一步查看信息(自己操作去) 2.conda源改为清华镜像:后面下东西大大的快 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 3.查看修改 conda config --show channels 2.安装英伟达显卡驱动进入 英伟达GeForce Experience,点击驱动程序,下载最新的驱动 CUDA官网:https://developer.nvidia.com/cuda-downloads 这里注意之前的看到的自己电脑的cuda版本,要小于等于版本号,一路默认安装即可 下载地址:https://developer.nvidia.com/rdp/cudnn-download 注意匹配CUDA版本!下载好的CUDA和CUDNN如图,把CUDNN里的文件夹全部复制到CUDA相同文件夹下!!! 下载路径:http://www.winimage.com/zLibDll/ 最后打开anaconda prompt,输入nvcc -V来看看cuda信息,欧了
激活进入:conda activate 名字 4.2下载pytorch看了许多方法,介绍最省事的,进入pytorch官网:https://pytorch.org,选择自己对应的,然后复制下面的命令去anaconda prompt运行即可 在anaconda prompt运行:conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia(最好是管理员模式,减少bug) 4.3查看是否成功:import torch print(torch.version) #查看pytorch版本 print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False 5.tensorflow安装已经配置好CUDA和CUDNN,直接开搞 5.1更改pip源,进入cmd或创建的虚拟环境配置中科大镜像:pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple 配置阿里源:pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/ 配置腾讯源:pip config set global.index-url http://mirrors.cloud.tencent.com/pypi/simple 配置豆瓣源:pip config set global.index-url http://pypi.douban.com/simple/ 自他任选都可,方便下载,速度快 5.2下载tensorflow1.查看版本对应:https://tensorflow.google.cn/install/source_windows#gpu tensorflow二代不区分CPU和GPU,直接下tensorflow就可,没有GPU可下CPU版本,节省资源,我下的tensorflow 2.10版,配置好CUDA和CUDNN就支持GPU计算 2.安装之间删除已有版本(如果有):pip uninstall tensorflow; pip uninstall tensorboard 3.最后打开anaconda prompt进入创建的虚拟环境,执行 pip install tensorflow2.10.0; pip install tensorboard2.10.0 4.测试 输入python进入python环境执行: import tensorflow as tf print(tf.test.is_gpu_available()) |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |