前提条件:
1.安装了Anaconda(我装的是最新版本Anaconda3,python3.8)
2.安装了Visual C++安装包(由于我不知道怎么下载这个安装包所以我直接下的visual studio 2019 community,因为我一开始没安装这个然后最终验证tensorflow是否成功时出问题了,所以还是推荐大家装一下VC++安装包)
如果上述条件都已具备,那咱们就开始安装tensorflow2.4.1吧!
首先在 开始 页面打开 Anaconda命令行
新建python环境
新建一个TF2的python3.8版本的环境
出现Proceed ([y]/n)输入y,按回车表示同意继续安装相关软件包就行
进入TF2环境内
以下所有操作,都是在这个环境下的操作
tensorflow-gpu版本的安装准备(没有NVIDIA的可以跳过这一步,安装cpu版本就可以)
如果电脑有英伟达GPU,就是下面这个玩意儿NVIDIA,可以选择安装cudatoolkit11.0和cudnn8.0版本,从而实现加速
我的电脑有,所以说一下怎么装gpu版本的tensorflow
安装cudatoolkit11.0版本和cudnn8.0版本,注意这个版本 别搞错了,tensorflow2.4对应的就是这两个版本
安装NVIDIA的SDK 11.0版本
安装NVIDIA深度学习包8.0版本
如果上述两条语句不成功,可能是你的电脑不支持,也可能是下载速度慢导致的问题,建议更换pip源
安装tensorflow gpu版本(不用在tensorflow后面加-gpu,系统会自动为你下载gpu版本)
(如果安装过慢导致安装失败,可以在代码后面加上 -i https://pypi.tuna.tsinghua.edu.cn/simple)
(例如:pip install tensorflow==2.4.1 -i https://pypi.tuna.tsinghua.edu.cn/simple)
安装tensorflow-cpu版本(选择安装gpu版本的忽略这一步)
指定下载cpu版本,不然可能给你下载的是gpu版本,然后可能会由于各种版本问题导致用不了
安装完成后
验证:查看tensorflow安装版本
进入python 验证tensorflow安装是否成功
输入
执行完成后输入(注意是version前后都是两个下划线__)
若显示版本 ,则tensorflow2.4.1安装成功
如下图所示
安装gpu版本的朋友在pycharm里面用测试代码测试是否安装成功的时候可能会出现这样的问题
RuntimeError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version
意思是你cuda驱动版本低于cuda运行的版本
就是本地电脑的cuda驱动版本比虚拟运行环境的cuda版本低,所以在本地要进行驱动升级
这个我还没有解决,解决之后会单独出一个博文讲讲
——————————————————————————————————————————————————
已经解决啦!!!!!!
请参考博文
https://blog.csdn.net/Y15072309119/article/details/113815453
——————————————————————————————————————————————————
pycharm里测试是否安装成功的测试代码
安装成功会显示
文章知识点与官方知识档案匹配,可进一步学习相关知识Python入门技能树人工智能深度学习211279 人正在系统学习中
声明:本站部分文章及图片源自用户投稿,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢!