TensorFlow-CPU与GPU的安装教程TensorFlow-CPU1.下载Anaconda2. 下载Vsual C++3. 安装TensorFlow-CPUTensorFlow-GPU1.检测当前GPU驱动版本是否满足大于410版本2.下载Vsual C++3.下载Anaconda或Miniconda4.替代.condarc配置文件4.安装Tensorflow-GPU 写在前面：CPU和
转载
2024-02-29 23:46:23
112阅读
新手小白安装过程中遇到种种问题，大概花了两天的时间去安装tensorflow-gpu,其他相关概念在这里就不多提了，直接就是进入安装的需要。这里安装的tensorflow-gup==1.9.0版本，对应的python是3.6。一、确定自己的显卡支持CUDA1、查看自己的显卡：设备管理器-显示适配器 2、找到对应的显卡：https://developer.nvidia.com/cuda-gpus二、
转载
2024-05-16 11:13:02
0阅读
官方网址： https://www.tensorflow.org/guide/using_gpu?hl=zh-Cn#manual_device_placement使用 GPU目录支持的设备记录设备分配方式手动分配设备允许增加 GPU 内存在多 GPU 系统中使用单一 GPU使用多个 GPU支持的设备在一套标准系统中通常有多台计算设备。TensorFlow 支持 CPU 和 GPU 这两种设备。它们
转载
2024-03-24 15:12:52
57阅读
tensorflow-gpu(cpu)安装教程 由于换过电脑，所以配过多次tensorflow环境，以前同样的步骤，但是或多或少都遇到抗.看过许多网上的关于cpu/gpu版本的教程，主要是gpu版本安装，因为涉及tensorflow-gpu版本号和cuda号和cudnn版本，以及自己电脑显卡能支持的cuda,***总结***网上大部分的gpu环境教程，主要分以下几步： （1）根据自己电脑显卡的支持
转载
2024-05-02 11:27:04
0阅读
测试面试题软件测试的目的与原则是什么？ 目的： A. 通过测试工作可以发现并修复软件当中存在的缺陷， B. 可以降低同产品开发遇到的风险， C. 记录软件运行过程中的一些数据，为决策者提供技术支持。 原则： A. 2/8定律，核心功能占20%，非核心占80%，我们会集中测试20%的核心功能，发现缺陷的几率会高于80%，因此，遇到的缺陷都会集中20%功能模块里。 B. 不能穷尽测试，有些功能是无法将
import tensorflow as tf with tf.device('/gpu:0'): 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],
原创
2021-04-22 22:24:34
515阅读
import tensorflow as tf with tf.device('/gpu:0'): sion
原创
2022-02-19 14:33:42
788阅读
GPU资源对神经网络模型的训练很重要，应充分利用电脑的显卡资源，加快模型的训练速度。这里是本人安装tensorflow-gpu的过程，记录了安装的步骤以及在每个步骤中参考的资料以及所遇到的坑。大体步骤： 1. 使用pip安装tensorflow-gpu。 2. 安装CUDA。 3. 下载CUDNN并把copy其中相应的文件到CUDA所在目录的相应目录下。 4. 检查系统环境变量。一开始可能
转载
2024-06-04 19:26:43
105阅读
Win10 TensorFlow（gpu）安装详解写在前面：TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从图象的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。从去年
两天炸掉了135分csp-s模拟测试54期望得分：100+72+45实际得分：100+21+31 T2有重边，关于邻接矩阵，它死了TAT，挂了记忆化搜索-39。 然后判c=0想到了1点没度，然而我判的mp[1][x]==1，-12T3单调点，可增可减，然而我只判了增，挂了。 说出题人毒瘤，不如说自己太naive。 A. x有相同质因子的一定不能分开，质因数分解，并查
转载
2024-07-01 11:40:32
0阅读
安装说明版本：GPU版本、CPU版本。如果硬件支持，推荐安装GPU版本。安装方式：pip方式、Anaconda方式。本文教程采用Anaconda方式。Tips:1.查找需要安装的TensorFlow版本支持的python版本，目前在Windows上支持python3.6x。2.如果安装GPU版本，需要安装对应版本的CUDA和CUDNN。安装环境1.Anaconda下载安装下载地址：https://
转载
2024-04-23 10:10:19
101阅读
android GPU压力测试 TensorFlow是深度学习模型在移动设备上运行效率的重要指标，尤其是在Android系统上进行GPU性能测试时，确保了我们能及时发现并处理性能问题。本文将详细介绍环境准备、集成步骤、配置详解、实战应用、性能优化及生态扩展，帮助你更好地进行这一技术的应用。
## 环境准备
在开始之前，我们需要配置测试环境。在Android设备上运行TensorFlow，需要以
作者：凌逆战从事深度学习的研究者都知道，深度学习代码需要设计海量的数据，需要很大很大很大(重要的事情说三遍)的计算量，以至于CPU算不过来，需要通过GPU帮忙，但这必不意味着CPU的性能没GPU强，CPU是那种综合性的，GPU是专门用来做图像渲染的，这我们大家都知道，做图像矩阵的计算GPU更加在行，应该我们一般把深度学习程序让GPU来计算，事实也证明GPU的计算速度比CPU块，但是(但是前面的
转载
2024-08-06 08:29:53
137阅读
GPU环境的配置 在深度学习中，模型往往很复杂，数据量很大，此时使用GPU运行会快很多。而使用GPU就需要安装CUDA和CuDNN。本文是为了使用tensorflow的gpu版本而使用的GPU。 （1）GPU的配置 首先，要使用TensorFlow的GPU，需要达到的硬件前提：显卡类型是NVIDIA，显卡的计算能力要至少达到3.0。 可以在下面的网站查看： https://developer.nv
转载
2024-03-03 21:09:24
65阅读
WIN10 + python3.5 + Aaaconda3-5.1.0 + CUDA10.0 + cuDNN7.6.5.32 + tensorflow-gpu-1.13.1 安装步骤1、查找python与tensorflow版本对应2、安装python3.53、Anaconda安装4、CUDA与cudnn安装5、tensorflow安装报错问题解决 1、查找python与tensorflow版本
转载
2024-04-28 19:30:07
68阅读
自己这几天更换电脑，再加上前次旧电脑学习，安装了好几次TensorFlow，每次都遇到了一些问题，经常缺一些文件，在网上下载文件还很慢，走了不少弯路，特将完整的安装方法记录如下，以便后续使用，也供同行参考。TensorFlow的学习需要有专门的Nvida的GPU显卡的电脑，GPU的显存最好在4G以上，我以前那台电脑只有1G显示只能学习一些非常初级模型，稍微复杂的模型就无法运行。对于没有GPU独显的
转载
2024-02-27 15:22:32
128阅读
tensorflow,pytorch,paddle 测试GPU是否可用
原创
2022-06-07 16:59:54
492阅读
参考https://tensorflow.google.cn/install/install_linuxhttp://nvidia.com/cudahttp://developer.nvidia.com/cudnn说明前提是机器上必须有Nvidia显卡，不太老就好（古董也没必要玩这个了吧，费电），在Nvidia官网可以查到显卡支持情况 https://developer.nvidia.com/cu
WIN10配置Tensorflow-GPU一、电脑配置及版本 WIN10+GTX1050Ti+CUDA-9.0.176+CUDNN-9.0-windows10-x64-v7.5.0.56 IDE:Pycharm 框架:Tensorflow-GPU Python版本:Python3.6二、配置过程 1.首先要看显卡是否支持GPU加速 CUDA及CUDNN是NAVIDIA开发的，首先显卡必须是NAVI
转载
2024-05-14 09:22:38
165阅读
这是19年初学faster rcnn时记下的一些笔记。 这几天主要的任务是用tensorflow配置并运行Faster-RCNN，配置好笔记本的环境，下载好各个需要用到的库。虽然说下几个软件说起来是很轻松的事，但这学期一直在不断的尝试配置tensorflow的GPU版本，但每次都因为一些解决不了的原因失败了，网上的教程太多了，自己也分不清该按照哪个版本来。 这次经过几天的不断尝试，终于成功地运行了
转载
2024-04-05 14:53:55
58阅读
