一、TensorFlow使用简单，部署快捷 TensorFlow使用数据流图（计算图）来规划计算流程，可以将计算映射到不同的硬件和操作平台。凭借着统一的架构，TensorFlow可以方便的部署到各种平台，大大简化了真实场景中应用机器学习算法的难度。 使用TensorFlow，我们不需要给大规模的模型训练和小规模的应用部署开发两套系统，节约时间，TensorFlow给训练和预测的共同部分提供了一
转载
2024-10-21 22:05:22
31阅读
Tensorflow2.5.0-GPU前言一、背景二、安装1.确定要安装的tensorflow、cnda及cudnn版本2.下载安装cuda3.下载cudnn4.创建conda中tensorflow的虚拟环境5.激活环境6.安装tensorflow三、测试总结 前言开始学习Deep Learning，课上使用的是Colab，国内使用略有不便，恰好多年的老本还有个Gtx950m，刚好适合入门。一、
转载
2024-10-23 14:58:06
47阅读
版本CUDA、cuDNN 和 tensorflow-gpu 版本的推荐配置：configure page 查看自己的 CUDA 和 cudnn 的版本：1）直接用 nvcc --version 查看： 2）CUDA 一般安装在 /usr/local/cuda/ 路径下，该路径下有一个version.txt文档，里面记录了 CUDA 的版本信息，执行语句：cat /usr/local/cuda/ve
转载
2024-04-03 20:13:31
420阅读
ATP好蠢啊
写在前面？ATP曾经，曾经，曾经，拥有过一台装好了tensorflow-gpu的电脑。当初的ATP使用的还是tensorflow1.7.1，还在煞笔兮兮地用tf.matmul手写卷积神经网络。后来，ATP运行某代码时出了问题，告诉ATP它用的tensorflow版本太低了。那么ATP显然需要升级一下。据说升级tensorflow需要同时升级
文章目录引言我的环境一条命令解决创建环境一条命令安装tensorflow-gpu小插曲：降低numpy版本测试代码最后 引言网上一大堆安装tenflow-gpu版本的教程，无外乎说的都需要在NVIDIA官网上安装对应版本cuda和cudnn，然后配置环境什么的，显得十分繁琐，而且不容易安装成功，而且TensorFlow官网上好像也没有1.13.1版本的gpu安装 由于我当时需要搭建一个1.13.
TensorFlow-GPU-2.4.1与CUDA安装教程前言安装前须知NV显卡CUDA版本以TensorFlow-GPU版本为主小结CUDA安装配置环境变量多版本CUDA共存问题CUDA验证验证bandwidthTest和deviceQueryCUDNN安装安装tensorflow-gpu2.4.1完整测试TensorFlow-GPU的可用性一些测试出现的问题解决无法定位程序输入点OPENSS
转载
2024-04-08 13:18:54
683阅读
作者：Arnold-FY-Chen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: Tenso
1. 下载1.1 系统镜像由于我尝试了ubuntu14.04，安装Nvidia驱动之后，会出现循环登录的问题，并始终无法找到有效的解决途径，所以只能选择ubuntu16.04了。 镜像地址 https://www.ubuntu.com/download/alternative-downloads
1.2 CUDA 8.0https://developer.nvidia.com/cuda
最近对tensorflow十分感兴趣，所以想做一个系列来详细讲解tensorflow来。 本教程主要由tensorflow2.0官方教程的个人学习复现笔记整理而来，并借鉴了一些keras构造神经网络的方法，中文讲解，方便喜欢阅读中文教程的朋友， tensorflow官方教程：https://www.tensorflow.org。这一节是最后一节了，介绍一下ten
CUDA与VS2013安装 目录 CUDA与VS2013安装 1目录 21 基本介绍 32 下载内容 32.1 CUDA-capable GPU
文章目录前言准备--> 全过程会很久，做好心理准备--> Tools：环境配置1. Anaconda32. Visual Studio 20193. CUDA10.1----> 安装：---> 测试4. tensorflow2.05. tbb (Threading Building Blocks)6. cmake167. opencv4.2.0（with_cuda）--&
转载
2024-08-30 12:33:26
791阅读
tensorflow各个版本的CUDA以及Cudnn版本对应关系一、tensorflow各个版本需要的CUDA版本以及Cudnn的对应关系二、CUDA与相对应的Cudnn对应关系三、NVIDIA显卡以及对应的显卡驱动的对应关系 概述，需要注意以下几个问题：（1）NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦！CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只
转载
2024-05-11 09:53:59
1952阅读
VersionPython versionCompilerBuild tools tensorflow-1.11.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0 tensorflow-1.10.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0 tenso
转载
2021-04-07 20:58:00
418阅读
2评论
由于想要做一个深度学习的项目，目前所找到的开源代码都是基于tensorflow的，所以打算重新配置一下tensorflow1.13.1的环境。———————————————正文开始————————————————先将驱动处理好**tensorflow 版本 **Python 版本编译器编译工具cuDNNCUDAtensorflow_gpu-1.13.12.7、3.3-3.6GCC 4.8Bazel
背景
显卡型号是 NVDIAGEFORCE GTX1050，NVDIA官网算力6.1，比起tensorflow-gpu最低要求3.1，够运行了 NVIDIA GPU 算力表 https://developer.nvidia.com/cuda-gpusCUDA9.0安装：CUDA(Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 C
最近一个项目需要在TITAN RTX 2080Ti 上安装Ubuntu18.04+Nvidia-430显卡驱动+Cuda10.1+Cudnn+7.6+Anaconda3+深度学习环境（tensorflow1.14.0+keras2.2.4+torch1.1.0），这里记录安装的对应版本和运行过程中的坑。主要分为两部分：安装ubuntu18.04系统和显卡驱动，见上篇文章（1）安装深度学习环境，以及
背景简介作为一个对深度学习极其富有好奇心，但一直不得入门的小白来说，前几天终于看到了 《深度学习之TensorFlow：入门、原理与进阶实战 》这本书，通过这本书算是终于看懂了一些，于是准备用自己电脑实地操练一番。需要安装的软件此处假设当前机器是全新机器!!!AnacondaTensorflow && Tensorflow-gpu （由于书籍上面的示例多数是v1版本的，所以此处安装
补充：很多文章都没提到过，测试过cuda安装好之后再装cudnn测试cuda： 找到一个这样的文件夹在文件夹内打开终端：make all然后会编译半个小时左右，编译成功后后会提示Finished building CUDA samples 这时候进入/usr/local/cuda/extras/demo_suite目录下，找到deviceQuery可执行文件，并执行(./deviceQuery)，
Tensorflow2.0 安装cuda和cudnn进行深度学习训练本文将讲述安装tensorflow2.0 和与其相匹配的cuda和cudnn的环境配置，来进行深度学习训练，本文主要讲解环境的配置我的显卡是nvidia 1650，我摸索了挺久才发现的安装方法，可能不是完全准确，不一定按照我的来，写这篇文章主要为了我以后安装方便，记一个笔记，作为参考就行，本文是从0开始 安装步骤Tensorflo
对于Tensorflow的运作方式还不是很理解的同学一定要将上面这个图牢牢记在脑海中。在学习基础概念和新的代码的时候，不断将所学跟途中的信息做对照。 这张图的第一层理解就是，当有一个输入时，Tensorflow会根据这个输入值产生相应的输出值。如果这个输出值与实际的值有偏差，那么Tensorflow会对神经网络中的参数进行调整。以使得以下一的输出值更加
