Tensorflow-gpu配置一、本机配置win10 GEFORCE GTX1050Ti Inter® Core™ i5-7300HQ CPU二、下载准备1.更新显卡驱动 点此更新 搜索下载并安装 2显卡设置 . 下载VS2015社区版 点此下载
下载cuda9.0.176；选择local离线安装包;下载 Patch 1 Patch 2 Patch 3补丁
下载cuDNN；选择Download
持续监控GPU使用情况命令： watch -n 10 nvidia-smi 参数解释： Fan：显示风扇转速，数值在0到100%之间，是计算机
原创
2023-10-31 09:31:59
97阅读
最近要用到tensorflow,之前安装了cpu版本的，但训练模型速度实在是慢，打算安装一个GPU版本的tensorflow:安装环境为：wiindows 10, anaconda python36, pycharmtensorflow版本与cuda, cudnn版本的对应关系： tensorflow-gpu v1.9.0 | cuda9.0 | cu
转载
2024-06-24 06:26:10
87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
准备工作： 在开始安装前，如果你的电脑装过tensorflow，请先把他们卸载干净，包括依赖的包（tensorflow-estimator、tensorboard、tensorflow、keras-applications、keras-preprocessing），不然后续安装了tensorflow-gpu可能会出现找不到cu
转载
2024-02-28 21:14:59
63阅读
查看机器 的信息： 持续更新查看： 其他方式如下：
原创
2022-08-10 17:32:44
208阅读
<!-- @page { size: 21cm 29.7cm; margin: 2cm } P { margin-bottom: 0.21cm } --> 在现今商品社会中，任何物品都有一个“价格”，连“古典文物”都有价。一般而言，开源软件都是“免费的”，但是，免了多少“费”（fee），打了多少“折
历时两天，踩过很多坑，终于语气词装好了。说一下我的情况：tensorflowGPU-1.14.0，CUDA-10.0，cuDNN-v7.6.5，Anaconda3-2019.10，python-3.6，1650显卡。2020年3月2日 好了下面是步骤！大致的步骤为一、安装CUDA和cuDNN。二、安装Anaconda三、安装tensorflowGPU 下面一一介绍：一、安装CU
转载
2024-05-27 10:01:45
452阅读
今天给大家详细讲解一下如何在Windows10上配置安装好tensorflow的GPU版本1、首先，打开Tensorflow官网的安装指南（https://www.tensorflow.org/install/install_windows）。2、官网对安装Tensorflow GPU版提出了一些要求，如下图所示。要安装GPU版，首先确认自己电脑的显卡是否满足要求，也就是官网要求中的第四点。到电脑
转载
2024-04-27 09:55:08
159阅读
折腾4天终于装好 tensorflow-gpu 版，此教程一是按照实际操作给自己做个记录，二是给各位一个参考尽量节省安装时间。 硬件：CPU: i5-7400,GPU: GeForce GTX1050Ti系统：Ubuntu 16.04, cuda 8.0, cudnn v5 1 安装前准备工作1.1 检查自己的 GPU 是否满足安装条件 打开终端输入以下指令： lspci
转载
2024-08-21 11:12:00
79阅读
本文主要讲如何使用ubuntu16.04系统源代码编译tensor flow-GPU。 电脑配置； CPU：i5-5700 GPU：GT-730 内存：16G 我参考了网上很多教程，总结出了自己的一套tensorflow源代码编译的方法。 1. 如果你想要安装tensorflow-GPU版本首先得确定你电脑的显卡是否支持CUDA，一般来说必须是6系含以上级别的显卡才支持。然后再到NVI
转载
2024-03-28 12:01:48
70阅读
TensorFlow 计算加速内容摘自《TensorFlow实战Google深度学习框架》 第二版1. TensorFlow使用GPUTensorFlow程序可以通过tf.device函数来通过名称指定运行每一个操作的设备，这个设备可是是本地的GPU或CPU，也可以是一台远程的服务器。在默认情况下，就算及其有多个CPU，TensorFlow也不会区分他们，所有的CPU都使用/cpu:0为名称。一台
转载
2024-03-29 11:22:21
218阅读
# 如何检查 TensorFlow 是否使用 GPU
在深度学习的实际应用中，TensorFlow 是一个非常流行的框架，它能够支持 CPU 和 GPU 的计算。如果你想充分利用 CUDA 加速来提高训练模型的速度，则检查 TensorFlow 是否成功使用 GPU 是至关重要的。本文将逐步介绍如何检查 TensorFlow 是否使用 GPU，并提供实际代码示例以便读者了解。
## 1. 环境
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能否检测到GPU二、问题记录失败的路一：失败的路二：失败的路三： 前言TensorFlow-GPU的安装本身并不难，难顶的是装好了TensorFlow却找不到GPU。 使用pip安装首先确保源足够
转载
2024-04-10 13:38:28
928阅读
1.首先安装CUDA（会自动安装NVIDIA显卡驱动）a.首先安装一些依赖sudo apt-get update
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --n
转载
2024-02-25 10:48:11
182阅读
在tensorflow中，我们可以使用 tf.device() 指定模型运行的具体设备，可以指定运行在GPU还是CUP上，以及哪块GPU上。 设置使用GPU 使用 tf.device('/gpu:1') 指定Session在第二块GPU上运行 默认是gpu:0 ...
转载
2021-10-15 14:58:00
404阅读
2评论
tensorflow由于谷歌的原因，不同的版本有时候改动比较大，所以决定好自己想使用的版本后就不要轻易更改，免得后续移植程序的时候出现很多错误。 本文以及后续文章关于tensorflow的学习和开发选在windows 10 平台上，使用python。不管是python还是tensorflow，网上都有很多安装方式，但是最简单快捷的应该是使用Anaconda。使用Anaconda管理环境最清晰
安装关键 对应的python版本+对应的 tensorflow-gpu版本 + 对应的NVIDIA显卡版本 + 对应的CUDA版本 + 对应的cuDNN版本 安装总结 以2019.4.15为基准，本人安装的版本如下： 最新的tensorflow-gpu-1.13.
将深度学习应用到实际 问题中, 一个非常大的问题在于训练深度 学习模型需要的计算量太大。但幸好我们可以通过 TensorFlow 利用 GPU 或/和分布式计算进行模型训练。我们可以使用单个 GPU 进行计算加速，但是，在很多情况下,单个 GPU 的加速效率无法满足训练大型深度学习模型 的计算量需求,这时将需要利用更多的计算资源。这时，我们便可以采用并行方式使用多个GPU来训练深度学习模型。Ten
转载
2024-03-29 11:52:40
74阅读
CUDA_VISIBLE_DEVICES=1 python run.pyor import os os.environ["CUDA_VISIBLE_DEVICES"]="1"
原创
2022-07-15 22:01:14
47阅读
