tensorflow2.1對應 GPU版本的安裝與卸載

2021-01-07 肥貓技術生活

GTX965M顯卡，win10系統

一、檢查tensorflow的Version

假定tensorflow 安裝完成，安裝 tensorflow 請參考 集成環境，安裝超簡單

通過 命令行

python

import tensorflow as tf

tf.__version__

如下圖：

二、CUDA的安裝

安裝cuda的版本 是根據tensorflow的版本來確定的

https://developer.nvidia.com/cuda-downloads

一般 2.0 tf對應10.0的cuda,2.1 tf對應10.1的cuda版本，請選擇合適的版本，本例中選擇version 10.1

cuda的安裝過程

選擇自定義安裝
不要選擇vs 集成

cuda 安裝成功了

三、cuDNN的安裝：

進入官網下載cudnn 需要註冊帳號，之後再下載cudnn

https://developer.nvidia.com/cudnn

下載完成之後應當是一個壓縮文件，解壓。

文件內容

然後將解壓縮後的文件複製到cuda安裝路徑下的cudnn文件夾(這個文件夾需要自己建)。如下圖：

四、環境變量的配置

配置Path的環境變量 cudnn的bin lib in

配置Path的環境變量 cudnn的bin lib include

命令行輸入

tf.test.is_gpu_available()

最後結果為True

六、卸載GPU

若安裝版本不對，卸載時正常情況不會把驅動卸載乾淨，導致重新裝失敗

若想卸載乾淨，重啟電腦後進入安全模式，為什麼進入安全模式(安全模式不用顯卡)

在位置

C:\Program Files\NVIDIA Corporation

C:\Program Files\NVIDIA GPU Computing Toolkit

默認安裝就是在這個位置，刪除這兩個文件夾。

然後再win+R運行，輸入regedit打開註冊表，找到下面這兩項

HKEY_LOCAL_MACHINE\SOFTWARE\NVIDIA Corporation

HKEY_LOCAL_MACHINE\SOFTWARE\NVIDIA GPU Computing Toolkit

同樣把它刪掉，然後重啟，就刪除乾淨了

相關焦點

  • 小叮噹機器學習:Python3.6配置TensorFlow的GPU版詳細安裝教程
    此時，系統會提示我們，需要安裝一些新的依賴包，我們輸入"y"即可。（2）輸入命令：source activate tensorflow 激活環境，之後輸入命令：pip install tensorflow-gpu 安裝Tensorflow的GPU版。
  • 基於RTX2060構建TensorFlow-gpu(keras)學習平臺
    開始菜單運行anaconda navigator檢查是否安裝了notebook（默認有安裝）三、安裝tensorflow/keras在激活的環境中安裝：1. 如果機器上有gpu，則安裝gpu版本，沒有GPU就安裝cpu版。
  • Windows下tensorflow-gpu=1.13.2、torch1.2.0深度學習環境配置
    需要特別注意的問題是版本的對應問題和安裝順序問題一般情況下要考慮的有 tensorflow(或 pytorch)、 cuda、cudnn的版本對應，有時候還需考慮 python1、對應關系列表2、版本選擇3、Anaconda安裝
  • Pytorch-GPU1.7.1 和 TensorFlow-GPU1.14.0 安裝指南(基於windows10)
    ，按照要求註冊完就可以下載安裝包了，這裡我的CUDA安裝的是11.2版本的，我就安裝與我CUDA對應的CuDNN了。 python=3.7conda activate tensorflow_gpu接著使用如下命令安裝GPU版本的TensorFlow，這種方式可以自動安裝與之匹配的CUDA和CuDNN。
  • 解決安裝AI算法庫TensorFlow 2.0的最新入坑指南以及詳細的安裝教程【分別在linux和windows系統下安裝】
    為此，我們在本文中將詳細說明linux和windows兩種OS系統關於TensorFlow的安裝教程，並且將重點說明目前最新版本TensorFlow2.1.0的安裝要素和測試檢驗。2、開始安裝TensorFlow（1）運行 Anaconda Prompt，輸入以下命令，創建版本為python 3.7.4的tensorflow 環境：
  • TensorFlow安裝與卷積模型
    1：Tensorflow 安裝：首先目前已學習的方法中有兩種方法可用於安裝TensorFlow：一是pip，二是Anaconda。另外 TensorFlow還有cpu和Gpu兩個版本。使用pip安裝1）下載安裝Python 2）打開windows的命令行窗口，安裝CPU版本pip installtensorflow安裝GPU版本Pip install tensorflow-gpu之後驗證是否安裝了 TensorFlow 可以嘗試一下代碼>>> importtensorflow
  • 帶你入門機器學習與TensorFlow2.x
    3.2.1 安裝 TensorFlow 的 Release 版本 在命令行裡輸入以下命令:pip install tensorflow-gpu上面命令執行後，系統會將支持 GPU 的 TensorFlow Release 版本安裝包下載到機器上，並 進行安裝。
  • 【技術茶話會】如何在電腦上搭建 tensorflow 環境
    接著就開始安裝 tensorflow 了，注意就是 windows 上用的比較多的有兩種版本，一個是普通的 cpu 版本，另一個是包含 gpu 加速的版本，gpu 版本的速度大概能快 cpu 版本的 3 倍，同時 cpu 版的安裝也較為簡單，所以我們下面就著重講一下 tensorflow-gpu 怎麼安裝。
  • 從零開始搭建深度學習伺服器:TensorFlow + PyTorch + Torch
    安裝CUDA:因為Tensorflow和Pytorch目前官方提供的PIP版本只支持CUDA8, 所以我選擇了安裝CUDA8.0。python-pip python-dev python-virtualenv mkdir tensorflowcd tensorflowvirtualenv --system-site-packages venvsource venv/bin/activatepip install --upgrade tensorflow-gpu測試GPU：
  • TensorFlow Lite的 GPU 委託代理(Delegate)是什麼
    支持的算子有19個（忽略版本v1、v2），其中：性能算子5個：CONV2D 、DEPTHWISECONV2D、FULLYCONNECTED 、TRANSPOSE_CONV 、MUL；逐元素操作2個：ADD、SUB ；經典算子2個：MAXPOOL2D、AVERAGEPOOL2D；非線性5個：LOGISTIC 、PRELU、RELU、
  • 基於Tensorflow\keras銀行卡識別
    本文轉載自【微信公眾號：機器學習算法與Python精研 ，ID:AITop100】,經微信公眾號授權轉載，如需轉載原文作者聯繫來自：GitHub測試環境Ubuntu 18.04python 3.6.7numpy 1.16.4
  • TensorFlow環境搭建
    1. 安裝Python環境進入官網，根據個人電腦系統選擇合適的發行版本進行安裝，以下是兩點提示：下載好之後進行安裝的時候，記住勾選Add Python 3.x to PATH可選項。修改好鏡像源之後，我們可以安裝TensorFlow了：conda install tensorflow -gpu為便於學習，建議大家安裝普通版即可，在安裝的過程中：大家按照圖中提示，選擇y即可。
  • 安裝TensorFlow 2.0 preview進行深度學習(附Jupyter Notebook)
    本文介紹安裝TensorFlow 2.0 preview的方法，並介紹一個Github項目tf2_course，它包含了一些TensorFlow 2的練習和解決方案，以Jupyter Notebook的形式展現。TensorFlow是最流行的深度學習框架之一，大家期待已久的TensorFlow 2.0現在出了Preview版本，並且可以直接通過pip安裝。
  • 人工智慧學習入門之TensorFlow2.2版本安裝(Windows10)
    conda 4.8.2創建虛擬環境並安裝Tensorflow使用Anaconda最大的特點是可以創建虛擬環境，這個虛擬環境是Python的執行環境。多個虛擬環境之間實現了隔離。這就好像在一個物理機上安裝虛擬機一樣。
  • 用GPU加速深度學習: Windows安裝CUDA+TensorFlow教程
    1.作業系統要求和硬體要求:2.Python版本：64位版本的Python 3.5。注意Python3.6和2.7都不可以。地址和版本如下圖所示。如果使用錯誤的Python版本，將無法安裝TensorFlow！
  • 在 Ubuntu 16.04 中安裝支持 CPU 和 GPU 的 Google TensorFlow 神經網絡軟體
    1、 安裝 CUDA首先，在這裡[2]下載用於 Ubuntu 16.04 的 CUDA 庫。此文件非常大（2GB），因此也許會花費一些時間下載。下載的文件是 「.deb」 包。如果你使用的是 Python 2.7，運行下面的命令：pip install TensorFlow-gpu如果安裝了 Python 3.x，使用下面的命令：pip3 install TensorFlow-gpu安裝完後，你會看到一條 「successfully installed」 的消息。
  • 一文上手最新Tensorflow2.0系列|TensorFlow2.0安裝
    安裝Anaconda我們使用python3.6，因此我們下載Anaconda5.2.0版本，該版本對應的python版本是3.6.5，為了下載的更快一點，我們從清華大學的鏡像站下載：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?
  • tensorflow安裝教程
    Anaconda安裝和使用，AkShare入門，安裝tensorflow2.0。建立成功進入tf2.0環境conda activate tf2.0安裝tensorflow2.0 pip install tensorflow==2.0.0-beta1下載的東西挺多，多等一會，最後成功如下命令行運行python，執行import
  • TensorFlow2.1正式版上線:最後一次支持Python2,進一步支持TPU
    去年 10 月，谷歌才發布了 TensorFlow 2.0 正式版。時隔三個月後，昨日官方發布了 TensorFlow 2.1，本次版本更新帶了了多項新特性、功能改進和 bug 修復。從本次更新的日誌來看，TensorFlow 2.1 將成為最後一個支持 Python2 的版本了。同時，本次更新的重點是增加了對 TPU 的多項支持，而 tf.keras 和 tf.data 這兩個常用的 API 也得到了很多新的更新。
  • 深度學習環境配置指南:Pytorch、TensorFlow、Keras
    （不要裝tensorflow-gpu==2.4.0rc0，會報錯'NoneType' object has no attribute 'TFE_MonitoringDeleteBuckets'）pip install tf-nightly-gpu -i http://pypi.douban.com