`
阅读更多

 

http://tensorflow.org/

https://github.com/tensorflow/tensorflow

https://github.com/jikexueyuanwiki/tensorflow-zh

 

以下只支持 Windows 10 + & 64 位 Installation 方法,GPU:NVIDIA® GPU 1070。

 

 1、确认安装哪种 TensorFlow?

>>仅支持 CPU 的 TensorFlow 安装时间在 5~ 10 分钟。

>>支持 GPU 的 TensorFlow 运行速度和性能比在 CPU 上快,但需要安装  NVIDIA® GPU。而且需要安装NVIDA软件:

  • CUDA® 工具包 9.0(附加CUDA 环境变量%PATH% )及相关联的 NVIDIA 驱动。
  • cuDNN v7.0(附加 cuDNN DLL 的目录到 %PATH% 环境变量;cuDNN 版本必须完全匹配:如果无法找到 cuDNN64_7.dll,TensorFlow 就不会加载。要使用不同版本的 cuDNN,必须从源代码构建)。
  • GPU 卡(CUDA 计算能力3.0+)。

2、如何安装 TensorFlow ?

>>原生"pip"(原生 pip并不在隔离容器中运行,因此会干扰系统中的其他 Python,我是在 VS 2017 的 Python环境中配置 pip 环境变量安装的)。

请使用 python 3.5.x 以上版本安装 TensorFlow。

 

C:\> pip3 install --upgrade tensorflow
//安装 GPU 版本的 TensorFlow
C:\> pip3 install --upgrade tensorflow-gpu

 

>>Anaconda(使用 conda 创建一个虚拟环境,在Anaconda内部使用 pip install 命令安装,Tensorflow 官方不支持、测试、维护 cona 包,有风险)。

安装 Anaconda

 

//创建名为 tensorflow 的 conda 环境
C:> conda create -n tensorflow pip python=3.5 
//激活 conda 环境
C:> activate tensorflow
 (tensorflow)C:>  # Your prompt should change
//在 conda 环境中安装仅支持 CPU 的 TensorFlow
(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow 
//安装 GPU 版本的 TensorFlow
(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow-gpu 

 

3、验证安装

 

$ python

>>>import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>>print(sess.run(hello))
Output:Hello, TensorFlow! 成功搞定。

 

Stack Overflow 安装错误消息及链接:

1、41007279

[...\stream_executor\dso_loader.cc] Couldn't open CUDA library nvcuda.dll

2、41007279

[...\stream_executor\cuda\cuda_dnn.cc] Unable to load cuDNN DSO

3、42006320

ImportError: Traceback (most recent call last):
File "...\tensorflow\core\framework\graph_pb2.py", line 6, in 
from google.protobuf import descriptor as _descriptor
ImportError: cannot import name 'descriptor'

4、42011070

No module named "pywrap_tensorflow

5、42217532

OpKernel ('op: "BestSplits" device_type: "CPU"') for unknown op: BestSplits

6、43134753

The TensorFlow library wasn't compiled to use SSE instructions

7、38896424

Could not find a version that satisfies the requirement tensorflow

 

>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 分割线 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 

 

补充:MacOS X 安装 TensorFlow

 

因在个人Mac上搭建,此处使用 Python 2.7.10, 不用 GPU 支持,请使用超级权限。

 

1、使用easy_install 安装 python 下的包管理工具 pip。

 

$ sudo easy_install pip
$ pip --version

pip 10.0.1 from /Library/Python/2.7/site-packages/pip-10.0.1-py2.7.egg/pip (python 2.7)

2、安装兼容 Python2 和 Python3 的兼容模块 six(Six is a Python 2 and 3 compatibility library)。

 

 

$ sudo easy_install --upgrade six
Password:
Searching for six
Reading https://pypi.python.org/simple/six/
Best match: six 1.11.0
Processing six-1.11.0-py2.7.egg
Removing six 1.4.1 from easy-install.pth file
six 1.11.0 is already the active version in easy-install.pth

Using /Library/Python/2.7/site-packages/six-1.11.0-py2.7.egg
Processing dependencies for six
Finished processing dependencies for six
 

 

3、安装 TensorFlow 包。

 

$ sudo pip install -ignore-packages six https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.10.0-py2-none-any.whl

Could not install packages due to an EnvironmentError: HTTPSConnectionPool(host='storage.googleapis.com', port=443): Max retries exceeded with url: /tensorflow/mac/cpu/tensorflow-0.10.0-py2-none-any.whl (Caused by ConnectTimeoutError(<pip._vendor.urllib3.connection.VerifiedHTTPSConnection object at 0x108d43050>, 'Connection to storage.googleapis.com timed out. (connect timeout=15)'))

下载 tensorflow-0.10.0-py2-none-any.whl 后执行以下命令。

$ sudo pip install -ignore-packages six /Users/Downloads/tensorflow-0.10.0-py2-none-any.whl

 此处提示错误“Could not find a version that satisfies the requirement numpy>=1.10.1 (from tensorflow==0.10.0) (from versions: ) No matching distribution found for numpy>=1.10.1 (from tensorflow==0.10.0)”。 这里下载 tensorflow1.7.0 版本whl。

 

 

4、使用easy_install 安装 python 下的包 numpy(对多维数组对象、矩阵运算数学函数库的支持)。

 

$ sudo easy_install numpy
 

 

5、Python 中引入 TensorFlow 模块,运行测试。

 

$ python
Python 2.7.10 (default, Oct  6 2017, 22:29:07) 
[GCC 4.2.1 Compatible Apple LLVM 9.0.0 (clang-900.0.31)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
dyld: warning, LC_RPATH $ORIGIN/../../_solib_darwin_x86_64/_U_S_Stensorflow_Spython_C_Upywrap_Utensorflow_Uinternal.so___Utensorflow in /Library/Python/2.7/site-packages/tensorflow/python/_pywrap_tensorflow_internal.so being ignored in restricted program because it is a relative path
>>> sess = tf.Session()
2018-04-26 00:47:30.723802: I tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
>>> a = tf.constant(2)
>>> 7 = tf.constant(7)
  File "<stdin>", line 1
SyntaxError: can't assign to literal
>>> b = tf.constant(7)
>>> print(sess.run(a+b))
9
 
分享到:
评论

相关推荐

    tensorflow2.5.0-GPU测试工程

    2. **编译TensorFlow源码**:从官方仓库获取源码,配置编译选项以支持GPU,然后进行编译和安装。 3. **配置环境**:设置系统路径,使Python可以找到编译好的TensorFlow库。 4. **测试代码**:编写Python脚本,导入...

    tensorflow-gpu版本的

    这意味着此版本的TensorFlow GPU已通过测试,可以在Windows 7、8和10操作系统上稳定运行,并且需要Python 3.6作为其运行环境。Python 3.6是广泛使用的编程语言版本,它提供了许多改进的语法特性,如async/await...

    tensorflowgpu安装TensorFlow的GPU版本

    因此,正确安装支持GPU的TensorFlow版本对于高效开发至关重要。 #### 二、安装前准备 在安装TensorFlow GPU版本之前,有几个关键步骤需要注意: 1. **确保硬件支持**: - 需要一块支持CUDA的NVIDIA显卡。 - 确认...

    编译好的 tensorflow2.8.0 c++接口库,支持gpu

    标题中的“编译好的tensorflow2.8.0 c++接口库,支持gpu”指的是这个压缩包包含了一个已经预编译的TensorFlow版本2.8.0,它为C++编程语言提供了接口,并且优化了对GPU硬件的支持。这意味着开发者可以使用C++编写代码...

    tensorflow使用指定gpu的方法

    此外,TensorFlow强大的特性之一就是支持GPU加速计算,这对于处理大规模数据集或训练复杂模型至关重要。 GPU(Graphics Processing Unit,图形处理器)相较于传统的CPU(Central Processing Unit,中央处理器),在...

    Windows安装GPU版TensorFlow

    在Windows系统中安装GPU版本的TensorFlow,首先需要了解的是,GPU版本TensorFlow可以显著提升深度学习模型的训练速度,但是前提是你的计算机显卡必须支持CUDA,并且显卡的性能要足够强大,以满足深度神经网络的计算...

    tensorflow_gpu的各个版本的whl.rar

    要安装特定版本的Tensorflow GPU,首先确保你的系统已经安装了CUDA和cuDNN,这是运行Tensorflow GPU所必需的NVIDIA库。然后,你可以使用pip命令,如`pip install tensorflow-gpu-1.2.0rc0-cp36-none-win_amd64.whl`...

    tensorflow_gpu2.7.0py版本3.9whl.rar

    这个版本的TensorFlow包含了GPU支持,意味着它可以利用图形处理器(GPU)的强大计算能力来加速深度学习模型的训练和推理过程。 描述中提到的“GPU”是Graphics Processing Unit的缩写,它是一种专门用于处理图形和...

    tensorflow gpu 使用 - pip 安装 TensorFlow

    如果你需要尝试最新的开发版本,可以安装`tf-nightly`,但它可能存在不稳定因素,且同样支持GPU。 对于TensorFlow 1.x版本,CPU和GPU版本是分开的。`tensorflow==1.15`是只支持CPU的版本,而`tensorflow-gpu==1.15`...

    tensorflow-gpu1.12.0离线安装所需库的安装包

    3. **TensorFlow二进制文件**: 这是你需要的"tensorflow-gpu-1.12.0"的离线安装包,包含了运行TensorFlow GPU所需的Python接口和其他依赖项。 4. **Python环境**: 确保你有一个适合的Python环境,TensorFlow 1.12.0...

    tensorflow-gpu whl文件(包含GPU加速)

    标题中的“tensorflow-gpu whl文件”指的是专门为GPU优化的TensorFlow版本的whl文件,这种文件已经包含了支持GPU运算的代码,可以在拥有适当硬件配置的系统上提供显著的性能提升。与仅使用CPU的版本相比,GPU版...

    深度学习,tensorflow-gpu2.1.1版本,TensorFlow-gpu版本c++动态库。

    TensorFlow支持在图形处理单元(GPU)上运行,显著加速了模型训练和推理过程。 TensorFlow-GPU 2.1.1 版本是TensorFlow的一个特定构建,优化了与GPU硬件的交互。它包含了CUDA和CuDNN库,这些是NVIDIA提供的工具包,...

    tensorflowGpu-2.3.0-cuda11.0-cudnn8.0-vs2019.rar

    4. 测试运行:编写并运行简单的示例程序,验证TensorFlow GPU是否能够正确运行并利用GPU加速。 在深度学习项目中,了解如何有效地利用GPU资源是至关重要的,因为这直接影响到模型的训练时间和资源消耗。通过...

    tensorflow-gpu-2.10.1-cp310-cp310-linux.whl

    标题中的"tensorflow-gpu-2.10.1-cp310-cp310-linux.whl"指的是TensorFlow的一个特定版本,2.10.1,它针对Python 3.10(cp310)进行了优化,并且包含了GPU支持。在描述中,我们看到实际的文件名为"tensorflow_gpu-...

    liust_GPU_tensorflow_

    首先,我们需要确保系统已经安装了TensorFlow库,并且版本支持GPU计算。TensorFlow通常会自动检测可用的CUDA和cuDNN库,这些是NVIDIA GPU进行深度学习运算的必备组件。安装时应确保TensorFlow版本与CUDA和cuDNN版本...

    windows10 tensorflow.dll 2.5.0 GPU版本

    1. **CUDA和cuDNN**:TensorFlow的GPU支持依赖于NVIDIA的CUDA计算平台和cuDNN加速库。确保你已经安装了与TensorFlow版本兼容的CUDA和cuDNN版本。 2. **NVIDIA驱动**:必须有最新的NVIDIA显卡驱动,以确保GPU的兼容性...

    tensorflow_gpu-2.3.1-cp38-cp38.zip

    CPU版本可以在没有GPU硬件支持的计算机上运行,而GPU版本则利用NVIDIA GPU的并行计算能力,为深度学习任务提供加速。安装过程描述了如何在本地系统上安装这两个版本。首先,你需要解压缩文件,然后通过命令行(CMD)...

    windows安装GPU的tensorflow完整安装过程

    本篇文章将详细介绍如何在Windows系统上安装支持GPU的TensorFlow,并确保整个安装过程尽可能顺利。 在开始之前,请确保以下几点: 1. **计算机配置**:您的电脑必须配备NVIDIA的GPU,并且支持CUDA和cuDNN。 2. **...

    基于windows gpu,tensorFlow2.6.0 的dll和lib

    4. 测试GPU支持:运行一个简单的示例,如创建一个张量并在GPU上执行操作,以验证TensorFlow成功地利用了GPU资源。 总的来说,这个压缩包提供了在Windows环境下使用TensorFlow 2.6.0进行GPU加速计算所需的库文件。...

    tensorflow1.0_gpu的whl文件安装包

    TensorFlow 1.0版本在2017年发布,它为开发者提供了丰富的API,支持在CPU和GPU上运行计算任务。 `tensorflow1.0_gpu`的安装包是专门为配备GPU的计算机设计的,它可以充分利用图形处理器的并行计算能力,加速模型的...

Global site tag (gtag.js) - Google Analytics