Pytorch或Tensorflow 深度学习库安装 (简易版)

2024-04-22 06:12

本文主要是介绍Pytorch或Tensorflow 深度学习库安装 (简易版),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Tensorflow 2.X安装

  • 0、 pytorch 支持 conda虚拟环境 cuda 和 cudnn
  • 1、创建conda环境
  • 2、测试GPU是否可用
  • 3、在机器上安装cuda 和 cudnn
    • CUDA 安装
    • cudnn 安装

0、 pytorch 支持 conda虚拟环境 cuda 和 cudnn

  • 如果只用pytorch, 只需在虚拟环境安装cuda 和 cudnn即可;(只需1-2步即可)

  • 如果使用 tensorflow,一般虚拟环境不支持,2.10一下亲测不行;(需要第3步)

1、创建conda环境

conda create -n tf2x python==3.9
source activate tf2x
conda install cudatoolkit==11.2 # 根据自己的 cuda 版本选择
conda search cudnn -c conda-forge #查找cudnn版本,和cuda版本对应,参考网址:https://tensorflow.google.cn/install/source_windows?hl=en#gpu
conda install cudnn==8.1.0.77 -c conda-forge # 我选择8.1
pip install tensorflow-gpu=2.10.0 # 安装tensorflow

2、测试GPU是否可用

import tensorflow as tf
tf.test.is_gpu_available()
# 或者
tf.config.list_physical_devices('GPU')

显示True或者GPU可用集合,则成功;

如果显示False,参考下面 3;

3、在机器上安装cuda 和 cudnn

CUDA 安装

  • cuda安装
wget https://developer.download.nvidia.com/compute/cuda/11.5.0/local_installers/cuda_11.5.0_495.29.05_linux.run
sudo  sh cuda_11.5.0_495.29.05_linux.run 

添加环境变量

sudo vim ~/.bashrc 
# 在最后添加以下内容:
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.5/lib64 
export PATH=$PATH:/usr/local/cuda-11.5/bin 
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.5 
# 退出后激活
source ~/.bashrc 

测试cuda

cd /usr/local/cuda-10.1/samples/1_Utilities/deviceQuery 
sudo make 
./deviceQuery 

PASS 则表示通过

cudnn 安装

下载library,然后copy到cuda库中即可;

  • cudnn安装
sudo cp cuda/include/cudnn.h /usr/local/cuda-11.5/include 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.5/lib64 
sudo chmod a+r /usr/local/cuda-11.5/include/cudnn.h  
sudo chmod a+r /usr/local/cuda-11.5/lib64/libcudnn* 

重新查看torch 或 tensorflow即可!

这篇关于Pytorch或Tensorflow 深度学习库安装 (简易版)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/924988

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

Zookeeper安装和配置说明

一、Zookeeper的搭建方式 Zookeeper安装方式有三种,单机模式和集群模式以及伪集群模式。 ■ 单机模式:Zookeeper只运行在一台服务器上,适合测试环境; ■ 伪集群模式:就是在一台物理机上运行多个Zookeeper 实例; ■ 集群模式:Zookeeper运行于一个集群上,适合生产环境,这个计算机集群被称为一个“集合体”(ensemble) Zookeeper通过复制来实现

CentOS7安装配置mysql5.7 tar免安装版

一、CentOS7.4系统自带mariadb # 查看系统自带的Mariadb[root@localhost~]# rpm -qa|grep mariadbmariadb-libs-5.5.44-2.el7.centos.x86_64# 卸载系统自带的Mariadb[root@localhost ~]# rpm -e --nodeps mariadb-libs-5.5.44-2.el7

Centos7安装Mongodb4

1、下载源码包 curl -O https://fastdl.mongodb.org/linux/mongodb-linux-x86_64-rhel70-4.2.1.tgz 2、解压 放到 /usr/local/ 目录下 tar -zxvf mongodb-linux-x86_64-rhel70-4.2.1.tgzmv mongodb-linux-x86_64-rhel70-4.2.1/

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

Centos7安装JDK1.8保姆版

工欲善其事,必先利其器。这句话同样适用于学习Java编程。在开始Java的学习旅程之前,我们必须首先配置好适合的开发环境。 通过事先准备好这些工具和配置,我们可以避免在学习过程中遇到因环境问题导致的代码异常或错误。一个稳定、高效的开发环境能够让我们更加专注于代码的学习和编写,提升学习效率,减少不必要的困扰和挫折感。因此,在学习Java之初,投入一些时间和精力来配置好开发环境是非常值得的。这将为我

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss