这篇文章主要介绍了如何安装TensorFlow2.x的CPU与GPU版本，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。
更新了最新版本安装方法，目前支持TensorFlow1.13.1 ->TensorFlow2.4.0：见1.3节本篇文章就带领大家用最简单地方式安装TF2.0正式版本（CPU与GPU），由我来踩坑，方便大家体验正式版本的TF2.0。废话不多说现在正式开始教程。我目前是在Windows10上面，使用conda管理的python环境，通过conda安装cuda与cudnn（GPU支持），通过pip安装的tensorflow2.0。经过尝试只是最简单地安装方式，无需配置复杂环境。conda是很好用python管理工具，可以方便建立管理多个python环境。后面安装的步骤里我也会介绍一些常用的conda指令。conda 我推荐使用安装miniconda，大家可以理解为精简版的anaconda，只保留了一些必备的组件，所以安装会比快上很多，同时也能满足我们管理python环境的需求。（anaconda一般在固态硬盘安装需要占用几个G内存，花费1-2个小时，miniconda一般几百M，10分钟就可以安装完成了）miniconda推荐使用清华源下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/选择适合自己的版本就可以，windows推荐地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-Windows-x86_64.exeubuntu推荐地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-Linux-x86_64.shMac os推荐地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-MacOSX-x86_64.pkg下以windows版本来安装miniconda作为演示，从上述下载合适版本，下载好后以管理员权限打开点击安装。注意这两个都要勾选，一个是让我们可以直接在cmd使用conda指令，第二个是把miniconda自带的python3.7作为系统python。安装好后就可以在cmd中使用conda指令了，cmd打开方式，windows键+R键，弹出输入框，输入cmd就进入了。也可以直接在windows搜索cmd点击运行。下面介绍些cmd conda指令（env_name代表环境名称）：查看conda环境：conda env list新建conda环境(env_name就是创建的环境名，可以自定义)：conda create -n env_name激活conda环境（ubuntu与Macos 将conda 替换为source）：conda activateenv_name退出conda环境：conda deactivate安装和卸载python包：conda install n 香港云主机umpy # conda uninstall numpy查看已安装python列表：conda list -nenv_name知道这些指令就可以开始使用conda新建一个环境安装TF2.0了。同时为了加速安装，可以换一下conda与pip的源。下面改下“conda”源，换为清华源用以加速，在“CMD”中复制粘贴以下指令，并回车：同时我们也将“pip”换为清华源用以加速，在“CMD”中复制粘贴以下指令，并回车：TF CPU安装比较简单，因为不需要配置GPU，所以windows ubuntu macOS安装方式都类似，缺点就是运行速度慢，但是用于日常学习使用还是可以的。下面以windows版本做演示：一下均在命令行操作1.1.0 新建TF2.0 CPU环境（使用conda 新建环境指令 python==3.6表示在新建环境时同时python3.6）当弹出 ：Proceed ([y]/n)? 输入y回车完成后就可以进入此环境1.1.1 进入TF_2C环境进入后我们就可以发现：(TF_2C)在之前路径前面，表示进入了这个环境。使用conda deactivate可以退出。我们再次进入conda activate TF_2C ，便于执行下述命令1.1.2安装TF2.0 CPU版本（后面的 -i 表示从国内清华源下载，速度比默认源快很多）如果网不好的，多执行几次。然后过一会就安装好啦。下面我们做下简单测试。1.1.3 测试TF2.0 CPU版本(把下面代码保存到demo.py使用TF_2C python运行)如果没有问题的话输出结果如下：可以看到tf 版本为2.0.0 因为是cpu版本，所以gpu 为FalseGPU版本和CPU类似，但是会多一步对于GPU支持的安装。下面来一步步实现。安装之前确认你的电脑拥有Nvidia的GPU1.2.0 新建TF2.0 GPU环境（使用conda 新建环境指令 python==3.6表示在新建环境时同时python3.6）当弹出 ：Proceed ([y]/n)? 输入y回车完成后就可以进入此环境1.1.1 进入TF_2G环境1.1.2安装GPU版本支持，拥有Nvidia的GPU的windows一般都有默认驱动的，只需要安装cudatoolkit 与 cudnn包就可以了，要注意一点需要安装cudatoolkit 10.0 版本，注意一点，如果系统的cudatoolkit小于10.0需要更新一下至10.01.1.3安装TF2.0 GPU版本（后面的 -i 表示从国内清华源下载，速度比默认源快很多）如果网不好的，多执行几次。然后过一会就安装好啦。下面我们做下简单测试。1.1.3 测试TF2.0 GPU版本(把下面代码保存到demo.py使用TF_2Gpython运行)如果没有问题的话输出结果如下：可以看到tf 版本为2.0.0 因为是gpu版本，所以gpu 为True，这表示GPU版本安装完成了。首先可以通过这个链接，看看TensorFlow版本对应的依赖项：https://tensorflow.google.com/install/source#linux可以看出，如果是安装TensorFlow2.4则对应CUDA=11.0，cuDNN=8.0；TensorFlow2.1-2.3则对应CUDA=10.1，cuDNN=7.6；TensorFlow2.0，对应CUDA=10.0，cuDNN=7.6；TensorFlow1.13.1-1.15.0，对应CUDA=10.0，cuDNN=7.6。要注意一点Nvidia Driver的版本号要>=CUDA版本号。这个需要注意，错了版本就会导致安装GPU失败。下面针对不同版本TensorFlow，分别说明。从 TensorFlow 2.1 开始，pip 包 tensorflow 即同时包含 GPU 支持，无需通过特定的 pip 包 tensorflow-gpu 安装 GPU 版本。如果对 pip 包的大小敏感，可使用 tensorflow-cpu 包安装仅支持 CPU 的 TensorFlow 版本。TensorFlow2.4/2.3 cpu版本安装TensorFlow2.4 gpu版本安装（由于cudnn8在conda还没有更新，需要借助pytorch安装cudnn8 :）TensorFlow2.3/2.2/2.1 gpu版本安装TensorFlow2.0 gpu版本安装TensorFlow1.15/1.14/1.13.1 gpu版本安装把下述代码保存为main.py感谢你能够认真阅读完这篇文章，希望小编分享的“如何安装TensorFlow2.x的CPU与GPU版本”这篇文章对大家有帮助，同时也希望大家多多支持开发云，关注开发云行业资讯频道，更多相关知识等着你来学习!
本篇文章为大家展示了PHP程序员需要知道的另外一种日志是什么，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。前言作为一名程序员，比码代码还重要那么一点点的东西就是日志的分析和查询。下面列出常见日志及设置方法。配置文件设置…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
