对于tensorflow-GPU版本的安装使用我就不过多地介绍了，但是最近有些基于分布式训练的小技巧的却让我很是头疼，甚至让我开始怀疑自己的tensorflow是如何识别我电脑的GPU信息并进行调用的。查看是否有GPU import tensorflow as tf
gpu_device_name = tf.test.gpu_device_name()
print(gpu_dev
转载
2024-07-11 12:34:23
142阅读
一、运行样例原始代码如下import numpy as np
from matplotlib import pyplot as plt
import os
import tensorflow as tf
from PIL import Image
from utils import label_map_util
from utils import visualization_utils as vi
目录一、Ubuntu18.04 LTS系统的安装1. 安装文件下载2. 制作U盘安装镜像文件3. 开始安装二、设置软件源的国内镜像1. 设置方法2.关于ubuntu镜像的小知识三、Nvidia显卡驱动的安装1. 首先查看显卡型号和推荐的显卡驱动2. 安装nvidia-390版本驱动3. 重启系统，可以查看安装是否成功四、CUDA9.0的安装1. CUDA版本选择2. 安装CUDA9.03. 设置
转载
2024-05-18 23:13:28
284阅读
TensorFlow程序可以通过tf.device函数来指定运行每一个操作的设备，这个设备可以是本地的CPU或者GPU，也可以是某一台远程的服务器。TensorFlow会给每一个可用的设备一个名称，tf.device函数可以通过设备的名称来指定执行运算的设备。比如CPU在TensorFlow中的名称为/cpu:0
转载
2024-03-19 11:28:22
156阅读
1 版本兼容性问题在pycharm环境下使用tensorflow-gpu，主要是要安装四个文件，python、tensorflow-gpu、cuda和cudann。一般而言，不同版本的CUDA要求不同的NVIDIA驱动版本,同时显卡驱动版本要不低于CUDA的安装版本，具体的对照关系如下： 如下链接对应了官方的版本要求说明：https://docs.nvidia.com/cuda/cuda-tool
转载
2024-05-16 05:19:36
389阅读
Anaconda3+虚拟环境Python3.6+Tensorflow-gpu1.11.0】系统：win11 显卡：NVIDIA GeForce RTX 3050 python：3.6.2 CUDA：9.0 cuDNN：7.6.5 tensorflow：tensorflow-gpu 1.11.0我之前安装过tensorflow，再安装tensorflow-gpu 1.11.0，安装成功了，但用不了，
解决python中Tensorflow无法调用GPU的问题
一、在安装tensorflow-gpu2.1.0之前，首先需要确定我们的电脑到底支不支持gpu，具体的查看方式如下图所示：首先选中“我的电脑”单击右键---->“管理”---->“设备管理器”---->“显示适配器”---->查看是否有NVIDIA显卡，要是有就表示我们可以安装tensorflow-gpu，否则我们只能安装不支持gpu的tensorflow版本。
转载
2024-03-14 21:07:36
141阅读
最近学校给了一个服务器账号用来训练神经网络使用，服务器本身配置是十路titan V，然后在上面装了tensorflow2.2，对应的python版本是3.6.2，装好之后用tf.test.is_gpu_available()查看是否能调用gpu，结果返回结果是false，具体如下： 这里tensorflow应该是检测出了gpu，但是因为某些库无法打开而导致tensorflow无法调用，返回了fal
转载
2024-04-03 09:53:51
517阅读
前叙：有灵魂的程序都是每一个程序员的最终目标。TensorFlow了解下？ 打算花几个月学机器学习，TensorFlow是很好的选择，折腾了会环境，略有心得分享下。 环境：win10Python：3.6.5TensorFlow-GPU：1.8.0CUDA：9.0 cuDNN：7.1.4 我们来用最简单的方法安装，首先Pyt
转载
2024-08-22 07:32:56
43阅读
深度学习环境配置1——windows下的tensorflow-gpu=1.13.2环境配置注意事项一、2021/9/11更新二、2021/7/8更新三、2020/11/5更新学习前言环境内容环境配置一、Anaconda安装1、Anaconda的下载2、Anaconda的安装二、Cudnn和CUDA的下载和安装1、Cudnn和CUDA的下载2、Cudnn和CUDA的安装三、配置tensorflow
转载
2024-08-14 01:22:40
72阅读
经过调查是tensorflow不知道什么时候被替换安装成CPU版本了= =
原创
2022-07-19 11:45:38
288阅读
导师配了一个台式机，便着手配置PyTorch环境。根据台式机的显卡驱动(472.12)、CUDA、cuDNN版本安装好PyTorch之后，调用torch.cuda.is_available()函数，可以发现PyTorch-GPU版本已经安装成功。import torch
print(torch.__version__)
print(torch.cuda.is_available())
# 1.
转载
2024-02-07 17:50:07
1228阅读
nvidia-docker是一个可以使用GPU的docker，nvidia-docker是在docker上做了一层封装，通过nvidia-docker-plugin，然后调用到docker上，其最终实现的还是在docker的启动命令上携带一些必要的参数。因此在安装nvidia-docker之前，还是需要安装docker的。docker一般都是使用基于CPU的应用，而如果是GPU的话，就需要安装特有
转载
2024-08-07 16:34:55
406阅读
PS:此贴为解决过程记录贴，比较啰嗦，凑合着看。环境：vistual studio2017(x64+debug)+ffmpeg-4.3-win64-dev+ffmpeg-4.3.1-win64-shared；前提：已配置好ffmpeg-4.3-win64-dev版本到vs中；目录一、解决过程1、查资料2、尝试解决3、总结二、后续  
ollama无法调用GPU的问题可能导致深度学习模型的训练和推理性能大幅下降，影响开发效率和结果表现。下面是解决这个问题的完整过程记录。
## 环境准备
在开始之前，请确保您的开发环境中安装了必要的依赖。以下为依赖安装指南：
| 依赖 | 版本 | 说明 |
|-------------------|---------
# 如何解决docker无法调用GPU的问题
## 整体流程
下面是解决docker无法调用GPU的问题的整体流程：
| 步骤 | 操作 |
| ----- | ----- |
| 1 | 安装NVIDIA Container Toolkit |
| 2 | 配置NVIDIA runtime |
| 3 | 重启Docker服务 |
| 4 | 验证GPU是否可以正常调用 |
## 具体步
原创
2024-04-14 05:03:11
1130阅读
Issue1: Server creation failed .Invalid ProgID 'CANoe.Application. Issue2: 加载库 “SymbSelAdapt.dll” 时出错 找不到指定的模块。Step 如下：安装Vector_AddOn_Matlab_Interface a. 这个插件程序，网页找不到，只能通过CANoe本地安装路径查找： 12.0 SP2 -->
转载
2024-03-15 05:49:09
425阅读
TensorFlow在Mac环境下的安装前言 最近学校有一门实验课叫做「应用软件开发实践」，这门课要求在规定课时内完成自己的选题。
我们小组选择了基于深度学习的银行卡号识别系统这一题目，题目要求如下：1.数据集处理
根据本赛题提供的数据集（共1084张卡号截图及标签）实现数据增强模块，将数据集中的每一张图
上个月发布了四篇文章，主要讲了深度学习中的“hello world”----mnist图像识别，以及卷积神经网络的原理详解，包括基本原理、自己手写CNN和paddlepaddle的源码解析。这篇主要跟大家讲讲如何用PaddlePaddle和Tensorflow做图像分类。所有程序都在我的github里，可以自行下载训练。 在卷积神经网络中，有五大经典模型，分别是：LeNet-5,AlexNe
转载
2024-08-20 18:02:39
23阅读
