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 |
1.物体识别效果演示 图片选自 Andrew Carter 的博客 Annotating Large Datasets with the TensorFlow Object Detection API2.物体识别概述关于 Object Dection 理论说起来太复杂了，可以自行参考 CS231n 的教程，或者通过这篇文章 A Brief History of CNNs in Image Segm
折腾了一天半终于装好了win10下的TensorFlow-GPU版，在这里做个记录。准备安装包：visual studio 2015；Anaconda3-4.2.0-Windows-x86_64；pycharm-community；CUDA:cuda_8.0.61_win10；下载时选择 exe（local）CUDA补丁：cuda_8.0.61.2_windows；cuDNN:cudnn-8.0-
本文写的比较简单，期间遇到的一些小麻烦，自己不认为成为阻碍，所以没有详细写。
PycharmPycharm使用AnacondaPycharm 在新建项目的时候可以指定Conda环境，前提是已经安装了Conda。如果创建项目的时候没有指定conda环境:Setting => Project => Project Interpreter 里面修改 Project Interpreter ,
转载
2024-04-25 10:54:34
35阅读
在使用了一段时间的cpu版本的tensorflow之后，出于对GPU版本的好奇和实际中想用GPU加速训练的探索。本人看了好多博客也配置了好多次，趟过的浑水可以说是极多了，对产生过启发的博客作者再次表示感谢。（结尾有彩蛋，需要下载CUDA各版本和cnDNN7.0的朋友们有福了） 第一步，我是在windows10系统上
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
安装过程安装虚拟环境安装virtualenv安装满足要求的python版本使用virtualenv创建指定python版本的虚拟环境安装tensorflow安装tensorflow-docs直接下载使用wheel下载在VSCode编辑器中使用虚拟环境下的python解释器，并使用tensorflow常见错误 注意： tensorflow 2.10.0是最后一个支持GPU的版本 如果您担心下载
前言：安装这个东西，折腾了大半天,查阅了很多资料。但最终还是安装成功了，并记录下来。希望给大家一些借鉴，顺利完成安装。整个安装过程需要很强的版本控制。显卡驱动==>CUDA<==>cuDAA<==>tensorflow_gpu==>keras 1、我安装的版本为（自测可用）：python:3.6.6tensorflow_gpu:2.1.0CUDA:10.1cuD
转载
2024-03-29 15:13:18
97阅读
安装TensorFlow-gpu版时，关于驱动问题遇到了很大的坑，这里记录一下。 TensorFlow-gpu版需要cuda和cudnn的支持，而cuda又需要NVIDIA驱动的支持，三者存在版本匹配的关系。 最新版的cuda是10.2，除了刚发布的TensorFlow2.0以外
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
1955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
在使用 PyTorch 进行深度学习模型训练时，很多人会遇到“CUDA检查”这类的问题，本博文将详细记录解决“pytorch 检查cuda”问题的完整过程。
## 背景描述
在机器学习和深度学习领域，CUDA (Compute Unified Device Architecture) 是 NVIDIA 提供的一种并行计算框架。它允许开发人员利用 NVIDIA 显卡的高性能计算能力，从而在训练大
一、安装环境说明软件版本下载链接说明Ubuntu系统
16.04-64位
…
…
Python
anaconda 3.6
不使用系统自带的2.7版本
CUDA
cuda_8.0.61_375.26_linux.run
NVIDIA推出的使用GPU资源进行通用计算的SDK，CUDA的安装包里一般集成了显卡驱动
cuDNN
cudnn-8.0-linux-x64-v5.1.tgz
cuDNN(需要注册
转载
2024-05-02 21:40:12
86阅读
1. 是否可以用显卡： torch.cuda.is_available() 2. 显卡个数： torch.cuda.device_count() 3. 显卡名字： torch.cuda.get_device_name(0)
原创
2022-07-15 17:23:04
199阅读
在使用 Docker 和 CUDA 的过程中，我们有时会遇到“docker cuda检查”的问题。本文将详细记录如何解决此类问题，包括备份策略、恢复流程、灾难场景、工具链集成、验证方法及最佳实践。
## 备份策略
在运行 CUDA 应用程序的 Docker 容器中，确保数据的安全是至关重要的。因此，我们需要制定有效的备份策略。首先，构建一个思维导图，便于可视化备份流程。
```mermaid
记录一下，其实如上版本 GPU版本Tensorflow2.0+CUDA10+CUDNN+WIN10+Python3.7也安装成功了。但是用tensorflow2.0学习的时候，发现好多代码不能用了。tensorflow2.0和tensorflow1.0差别蛮大的。所以我重新安装了tensorflow1.15。时间是2020年4月20号左右安装的步骤如下： 1.装anacon
转载
2023-07-31 23:39:37
298阅读
tf.distribute 中的新功能参数服务器策略在 TensorFlow 2.4 中，tf.distribute 模块引入了对使用 ParameterServerStrategy 和自定义训练循环进行模型异步训练的试验性支持。和 MultiWorkerMirroredStrategy 类似，ParameterServerStrategy 是一种多工作器（multi-worker）数据并行策略，
转载
2024-10-28 18:02:51
11阅读
0.前言 今年暑假买了个1660ti的游戏本学python，后来发现跑一些数据量比较大的代码和深度学习的时候太慢了，遂想装一下GPU版本，看了网上的资料搞了好几天，又是CUDA又是cudnn的，网速慢不说，装完还各种报错，最后发现随着anaconda和tensorflow的更新，现在利用anadonda只要一行命令就能完成。（装好虚拟环境后，直接看4.2）1. 安装anaconda 这部分没啥
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
搭了将近快两天的环境，终于好了，虽然在开始的时候，安了卸，卸了安的，但是！！！安装成功后，那种快乐是无法言语的~~~~~所以在此我必须的记录一下我的艰辛历程~~~~一、 明确自己电脑的适配版本的cuda在此之前你需要在电脑上安装有VS,在这里直接给出百度云连接：链接：https://pan.baidu.com/s/1M94HKU6O47G7SGq8xYS6Pg 提取码：9ofd&nbs
