pytorch cpu版本和gpu版本,conda install pytorch gpu
安装我的电脑基本配置的步骤:
Windows 10NVIDIA GTX 2060 6G前奏python安装按标准Python 3.6 . x vs 2017 GTX 2060 tensor flow-GPU 2 . 0 . 0 CUDA 10.0 cud nn 7 . 6 . 5(版本对应,否则你会失去理智)。
建议使用python3.6.5(默认路径)。Python安装注意事项:1。建议选择默认路径安装(因为以后会比较麻烦)。2.安装过程中直接添加环境变量(省了很多麻烦)。Python依赖VS2017专业版。备注:1。下载专业版VS2017(不要下载2019,不要安装社区版)。2.在安装过程中进行检查。
选择与显卡对应的驱动程序。参见图1。
安装CUDA
注1。驱动版本对应的CUDA版本(我选CUDA 10.0)2。默认安装
选择你想要的CUDA的每个版本。
cuDNN 7.6.5
各种解决方案
备注:1。选择相应版本的CUDA和cuDNN2。cuDNN是压缩格式,需要解压缩。
配置变量
在CUDA安装目录下复制cuDNN对应文件,CUDA路径:C:\ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v 10.0设置环境变量并在系统变量中添加环境变量:控制面板3354环境变量C:\ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v 10.0 \ libc:\ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v 10.0 \ libnvvpc:\ Program Files \ NVIDIA GPU Computing Toolkit \ V5
pip安装tensorflow-gpu==2.0.0
指定版本。如果安装了2.1.0,CUDA和cuDN的版本是错误的。
试验码
将tensorflow作为tfprint(tf。__version__)v1=tf.constant(8.0,Dtype=TF . dtypes . float 32)v2=TF . constant(2.0,Dtype=TF . dtypes . float 32)v3=TF . math . multiply(v1,v2) @ tf.function #这种装饰性的写法可以加快运行速度def mm():print(f result={ v3 } )mm()print(f result={ v3 } )
注意:如果curdart64_100显示未找到:1。环境变量不匹配。2.对应的版本是错误的。可使用的TensorFlow 2.0.0与curdart64_100.dll输出的显卡属性相匹配:
操作力:7.5
可用空间:4606米
现在安装完成了!如果有更好的办法,希望大家指正。
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。