Jak zainstalować wersję TensorFlow na GPU?
- Wymagania systemowe. Ubuntu 16.04 lub nowszy (64-bitowy)...
- Zainstaluj Minicondę. Miniconda to zalecane podejście do instalacji TensorFlow z obsługą GPU. ...
- Utwórz środowisko Conda. ...
- Konfiguracja GPU. ...
- Zainstaluj TensorFlow. ...
- Sprawdź instalację. ...
- Wymagania systemowe. ...
- Sprawdź wersję Pythona.
| Wersja | Wersja Pythona | CUDA |
|---|---|---|
| tensorflow-2.3.0 | 3,5-3,8 | 10.1 |
| tensorflow-2.2.0 | 3,5-3,8 | 10.1 |
| tensorflow-2.1.0 | 2,7, 3,5-3,7 | 10.1 |
| tensorflow-2.0.0 | 2,7, 3,3-3,7 | 10.0 |
- Krok 1 — Zdecyduj wersje dla CUDA, cuDNN i Visual Studio. ...
- Krok 2 – Pobierz zestaw narzędzi CUDA. ...
- Krok 3 – Pobierz cuDNN. ...
- Krok 4 — Pobierz społeczność programu Visual Studio 2019. ...
- Krok 5 – Wyodrębnianie i scalanie plików. ...
- Krok 6 – Sprawdź pomyślną instalację CUDA. ...
- Krok 7 – Utwórz środowisko Conda i zainstaluj TensorFlow.
- importuj tensorflow jako tf.
- if tf.test.gpu_device_name():
- print('Domyślne urządzenie GPU:
- {}'.format(tf.test.gpu_device_name()))
- w przeciwnym razie:
- print("Proszę zainstalować wersję TF GPU")
Wersja TensorFlow obsługująca GPU ma następujące wymagania: 64-bitowy system Linux. Pythona 2.7.CUDA 7.5 (CUDA 8.0 wymagana dla procesorów graficznych Pascal)
- Sprawdź, czy system ma procesor graficzny obsługujący technologię CUDA.
- Pobierz zestaw narzędzi NVIDIA CUDA.
- Zainstaluj zestaw narzędzi NVIDIA CUDA.
- Sprawdź, czy zainstalowane oprogramowanie działa poprawnie i komunikuje się ze sprzętem.
Minimalna wymagana wersja sterownika to450.80.02. A co z nowymi funkcjami wprowadzonymi w mniejszych wersjach CUDA?
- Otwórz aplikację terminalową w systemie Linux lub Unix.
- Następnie wpisz polecenie nvcc --version, aby wyświetlić wersję na ekranie:
- Aby sprawdzić wersję CUDA, użyj polecenia nvidia-smi:
Najprawdopodobniej zostanie zainstalowanyC:\Program Files\NVIDIA GPU Computing Toolkitścieżka pliku. (To zależy od lokalizacji, którą zainstalowałeś). Ponieważ wcześniej instalowałem CUDA w wersji 9.0 na moim laptopie, pliki CUDA istnieją w następującej lokalizacji ścieżki. Teraz wklej to, co skopiowałeś z wyodrębnionego folderu cuDNN.
- Krok 1: Zaktualizuj sterowniki procesora graficznego NVIDIA. ...
- Krok 2: Pobierz i zainstaluj program Visual Studio. ...
- Krok 3: Pobierz i zainstaluj zestaw narzędzi CUDA. ...
- Krok 4: Pobierz i zainstaluj bibliotekę CuDNN. ...
- Krok 5: Utwórz środowisko wirtualne. ...
- Krok 6: Zainstaluj Tensorflow.
Jak zainstalować wersję TensorFlow na GPU w Colab?
- Utwórz nowy notatnik w Colab.
- Wybierz Runtime z menu i Zmień typ runtime.
- Wybierz GPU z opcji akceleratora sprzętowego - kliknij Zapisz.
- Zainstaluj pakiet Meta keras-gpu, aby działał z zapleczem GPU Tensorflow: conda install keras-gpu. ...
- Zainstaluj pakiet keras Meta, aby działał z zapleczem Tensorflow Eigen: conda install keras.
W Ubuntu 18.04 LTS najnowsza conda działa dobrze w rozwiązywaniu problemów z zależnościami pakietów dla najnowszej wersji Pythona. Zatem wszystko, co musisz zrobić, touruchom conda create --name tf_gpu, a następnie conda aktywuj tf_gpu, aby go aktywować. Następnie conda zainstaluj tensorflow-gpu, który powinien to zrobić.
