[Tensorflow]环境搭建 linux 下 CUDA9.1 cuDNN7
2018-04-09 20:19
447 查看
在服务器上搭建tensorflow-gpu,使用"nvcc -V“命令看了一眼CUDA版本,发现是9.1。因为学长用的是pytorch,而官方版本至1.7为止还没有支持CUDA9.1的。实在不想用docker,查了一下发现了windows下用tensorflow+CUDA9.1,没有linux的。好在顺着这条线索,在github上查到了相关的东西,分享一下。
原文链接:
https://blog.csdn.net/vcvycy/article/details/79298703
根据里面的链接,我们发现非官方的安装包,大概包含tensorflow和wheel两个关键词,所以在github上搜索一下:
mind/wheels是tiny mind开发的为Linux准备的特殊版本的tensorflow,包含支持CUDA9.1的tensorflow。
fo40225/tensorflow-windows-wheel是为了windows准备的。
搬运下载链接:linux可用CUDA9.1的tensorflow-gpu
另外:whl文件的安装自行搜索,需要在whl所在路径下使用pip install xxx.whl
这个装完以后在pip list里面显示的是tensorflow 1.6.0,但它实际上是gpu版的。
你可以使用这里的代码测试一下,代码明确要求使用GPU设备,为了方便搬运了一下:
import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')
b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')
with tf.device('/gpu:1'):
c = a + b
# 注意:allow_soft_placement=True表明:计算设备可自行选择,如果没有这个参数,会报错。
# 因为不是所有的操作都可以被放在GPU上,如果强行将无法放在GPU上的操作指定到GPU上,将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))
# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))
原文链接:
https://blog.csdn.net/vcvycy/article/details/79298703
根据里面的链接,我们发现非官方的安装包,大概包含tensorflow和wheel两个关键词,所以在github上搜索一下:
mind/wheels是tiny mind开发的为Linux准备的特殊版本的tensorflow,包含支持CUDA9.1的tensorflow。
fo40225/tensorflow-windows-wheel是为了windows准备的。
搬运下载链接:linux可用CUDA9.1的tensorflow-gpu
另外:whl文件的安装自行搜索,需要在whl所在路径下使用pip install xxx.whl
这个装完以后在pip list里面显示的是tensorflow 1.6.0,但它实际上是gpu版的。
你可以使用这里的代码测试一下,代码明确要求使用GPU设备,为了方便搬运了一下:
import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')
b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')
with tf.device('/gpu:1'):
c = a + b
# 注意:allow_soft_placement=True表明:计算设备可自行选择,如果没有这个参数,会报错。
# 因为不是所有的操作都可以被放在GPU上,如果强行将无法放在GPU上的操作指定到GPU上,将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))
# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))
相关文章推荐
- 深度学习环境搭建:win10+GTX1060 + tensorflow1.5+keras+cuda9.0+cudnn7
- [Tensorflow]环境搭建vs2017+win10+py3.6+cuda9.1+cudnn7+tf1.5
- Linux 配置 深度学习环境常用的命令 pytorch-tensorflow-cuda-cudnn-nvcc
- Linux下Caffe、Docker、Tensorflow、PyTorch环境搭建(CentOS 7)
- linux 下virtualenv及TensorFlow环境搭建与安装
- tensorflow+cuda+linux mint开发环境搭建
- Linux_Ubuntu16的安装与CUDA7.5开发环境搭建及Nvidia-OpenACC开发工具配置 笔记本-台式机均可
- Linux14.04(64bit) + CUDA6.5 环境搭建
- Win10 Anaconda下TensorFlow-GPU环境搭建详细教程(包含CUDA+cuDNN安装过程)
- 深度学习(四十一)cuda8.0+ubuntu16.04+theano、caffe、tensorflow环境搭建
- (超完整)Linux(debian9)服务器配置tensorflow环境:nvidia驱动、CUDA、cudnn、anaconda
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- ubuntu下tensorflow-gpu环境搭建(通过anaconda,手动安装或环境含有cuda和cudnn)
- WIN10深度学习环境搭建 Python3.6+Tensorflow+CUDA8.0+Anaconda3+keras
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- Win10+GTX1050+cuda8.0+cuDNN5.1+Tensorflow-gpu1.0.1+Keras+xgboost环境搭建
- deepin linux 15.5 + 小米笔记本pro 下的深度学习环境tensorflow-gpu 1.4版本搭建过程
- linux下cuda开发环境搭建