Tensorflow не видит gpu windows 10
Подробное объяснение установки TensorFlow-GPU в Windows 10 на базе NVIDIA GeForce MX150
оглавление
Последовательность установки: проверьте конфигурационную среду -> CUDA Toolkit -> cuDNN -> Visual Studio 2015 Community -> виртуальная среда anaconda -> TensorFlow-GPU -> Test
1. Среда установки
Конфигурация моего компьютера следующая:
1. 64-разрядная версия Windows 10 Professional Edition
2.Anaconda 2018.12 Python3.7 (необходимо перейти на python3.6)
3. Visual Studio 2015 Community
4. Видеокарта поддерживает NVIDIA GeForce MX150.
5. cuda_9.0.176_win10_network.exe
6. cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0
7.TensorFlow-gpu 1.7.0
8.Keras 2.2.4
9.numpy 1.16.2
10.PyQt5 5.12.1
Во-вторых, установите Visual Studio 2015 Community.
Сначала перейдите к ресурсам сообщества Visual Studio 2015.Baidu SkyDrive Код извлечения: f1qz (Да, это так мило)
См. процесс установкиБлог
Обратите внимание, что:
Путь установки можно выбрать произвольно
Для выборочной установки не требуются все компоненты VS2015, только компоненты, относящиеся к C / C ++, поэтому здесь выбран только «Visual C ++», а все остальные компоненты, которые не используются, не отмечены выбрано.
Тогда. . . Пожалуйста, начните долгую установку. . . (Выпейте чашку чая, посмотрите что)
В-третьих, установите CUDA Toolkit
Если вам нужно использовать TensorFlow-GPU, проверьте, поддерживает ли ваш компьютер видеокарту с графическим процессором:
1. Диспетчер устройств -> NVIDIA GeForce MX150
Если видеокарта не NVIDIA GeForce MX150, проверьтеинтернет сайтИли настройте свой CUDA, как показано ниже
2. Проверьте версию CUDA, подходящую для NVIDIA GeForce MX150:
Панель управления -> Панель управления NVIDIA -> Информация о системе -> Компоненты
Убедитесь, что NVIDIA GeForce MX150 поддерживает версию CUDA9.0.
изОфициальный сайт CUDAЗагрузите cuda_9.0.176_win10_network.exe, как показано ниже.
Установите CUDA:
Здесь не беспокойтесь, просто нажмите "ОК".
ждем проверки совместимости системы, соглашаемся и продолжаем
Выбрать выборочную установку
Обновите CUDA, драйвер (если не обновить, это может привести к тому, что панель управления NVIDIA не откроется), Physx
Место установки менять не нужно, просто перейдите к следующему шагу.
После установки вы можете ввести cmd и nvcc -V, чтобы проверить успешность установки. Установка прошла успешно, как показано ниже.
В-четвертых, установите cuDNN
Проверьте переменные среды Мой компьютер -> Свойства -> Расширенные настройки системы -> Переменные среды -> Системные переменные
Добавить среду каталога bin CUDA
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
Как cuDNN может проверить успешность установки?
cuDNN не может напрямую проверить успешность установки. После установки TensorFlow-GPU
import tensorflow as tf Если сообщается об ошибке ImportError: Could not find 'cudnn64_7.dll'. Это доказывает, что установка не удалась.
В-пятых, настройте виртуальную среду Anaconda
Настроить виртуальную среду в Anaconda можно двумя способами:
1. Вы можете напрямую открыть Anaconda Navigator, чтобы создать виртуальную среду TensorFlow-GPU.
2. Вы также можете открыть Anaconda Prompt, ввести следующую команду для создания виртуальной среды с именем TensorFlow-GPU и указать версию python, если эта версия python не установлена на машине. , Он будет загружен и установлен автоматически.
После настройки env виртуальной среды вы можете ввести в Anaconda Prompt:
Активировать среду
Выйти из окружающей среды
Установите Spyder и Jupyter в виртуальной среде, здесь я установил Spyder
Spyder и ipython также установлены в средах для предотвращения ошибок, здесь я установил:
Примечание. Если версия python, установленная Anaconda по умолчанию, - 3.7, она должна быть уменьшена до python 3.6. Откройте Anaconda Prompt и введите в виртуальную среду TensorFlow-GPU:
Шесть, установите TensorFlow-GPU.
Откройте Anaconda Prompt, после активации среды установите TensorFlow-gpu (это слишком медленно для установки с использованием зеркалирования).
Примечание. В версии TensorFlow-GPU используется версия 1.7.0.
Кроме того, установите соответствующую версию Keras 2.2.4, версию numpy 1.16. и версию PyQt5 5.12.1 (Spyder нельзя открыть без установки)
Семерка, тест
Откройте python в виртуальной среде TensorFlow-GPU, чтобы проверить успешность установки.
Ввод:
Подождите немного, как показано на рисунке ниже, установка прошла успешно:
Вы также можете запустить оператор тензорного потока, чтобы попробовать
Протестируйте его с помощью Spyder в виртуальной среде:
1. Из-за создания виртуальной среды необходимо переустановить различные пакеты python, обратите внимание на соответствующий номер версии установки (1. Были описаны несколько основных пакетов и версий в среде установки)
2. Если версия cuDNN не соответствует версии CUDA, при импорте TensorFlow будет сообщено об ошибке:
Необходимо внимательно проверить соответствие версий cuDNN и CUDA.
Необходимо обновить библиотеку PIL
Если резюме и знания в моей статье окажут вам большую помощь или просветление, я хотел бы более или менее наградить вас!
Интеллектуальная рекомендация
совместный запрос mysql с тремя таблицами (таблица сотрудников, таблица отделов, таблица зарплат)
1. Краткое изложение проблемы: (внизу есть инструкция по созданию таблицы, копирование можно непосредственно практиковать с помощью (mysql)) Найдите отделы, в которых есть хотя бы один сотрудник. Отоб.
[Загрузчик классов обучения JVM] Третий день пользовательского контента, связанного с загрузчиком классов
IP, сеанс и cookie
В очередной раз после переустановки Windows осознал, что надо накатить драйвера, CUDA, cuDNN, Tensorflow/Keras для обучения нейронных сетей.
Каждый раз для меня это оказывается несложной, но времязатратной операцией: найти подходящую комбинацию Tensorflow/Keras, CUDA, cuDNN и Python несложно, но вспоминаю про эти зависимости только в тот момент, когда при импорте Tensorflow вижу, что видеокарта не обнаружена и начинаю поиск нужной страницы в документации Tensorflow.
В этот раз ситуация немного усложнилась. Помимо установки Tensorflow мне потребовалось установить PyTorch. Со своими зависимостями и поддерживаемыми версиями Python, CUDA и cuDNN.
По итогам нескольких часов экспериментов решил, что надо зафиксировать все полезные ссылки в одном посте для будущего меня.
Примечание: Установить Tensorflow и PyTorch можно в одном виртуальном окружении, но в статье этого алгоритма нет.
Подготовка к установке
- Определить какая версия Python поддерживается Tensorflow и PyTorch (на момент написания статьи мне не удалось установить PyTorch в виртуальном окружении с Python 3.9.5)
- Для выбранной версии Python найти подходящие версии Tensorflow и PyTorch
- Определить, какие версии CUDA поддерживают выбранные ранее версии Tensorflow и PyTorch
- Определить поддерживаемую версию cuDNN для Tensorflow – не все поддерживаемые CUDA версии cuDNN поддерживаются Tensorflow. Для PyTorch этой особенности не заметил
Установка CUDA и cuDNN
-
и устанавливаем. Можно установить со всеми значениями по умолчанию , подходящую для выбранной версии Tensorflow (п.1.2). Для скачивания cuDNN потребуется регистрация на сайте NVidia. “Установка” cuDNN заключается в распакове архива и заменой существующих файлов CUDA на файлы из архива
Устанавливаем Tensorflow
- Создаём виртуальное окружение для Tensorflow c выбранной версией Python. Назовём его, например, py38tf
- Переключаемся в окружение py38tf и устанавливаем поддерживаемую версию Tensorflow pip install tensorflow==x.x.x
- Проверяем поддержку GPU командой
Устанавливаем PyTorch
- Создаём виртуальное окружение для PyTorch c выбранной версией Python. Назовём его, например, py38torch
- Переключаемся в окружение py38torch и устанавливаем поддерживаемую версию PyTorch
- Проверяем поддержку GPU командой
В моём случае заработала комбинация:
- Python 3.8.8
- Драйвер NVidia 441.22
- CUDA 10.1
- cuDNN 7.6
- Tensorflow 2.3.0
- PyTorch 1.7.1+cu101
Tensorflow и PyTorch установлены в разных виртуальных окружениях.
Польза этой статьи будет понятна не скоро: систему переустанавливаю я не часто.
Если воспользуетесь этим алгоритмом и найдёте какие-то ошибки – пишите в комментарии
Я пробовал тензор потока на cuda 7.5 и 8.0, без cudnn (мой графический процессор старый, cudnn его не поддерживает).
Когда я выполняю device_lib.list_local_devices() , в выводе нет gpu. Theano видит мой графический процессор и прекрасно с ним работает, и примеры в/usr/share/cuda/samples также работают нормально.
Я установил тензор потока через pip install. Мой GPU слишком стар для TF, чтобы поддерживать его? GTX 460
Вы можете увидеть некоторые журналы TensorFlow, проверяющие ваш GPU, но в конечном итоге библиотека избежит использования неподдерживаемого GPU.
Вы можете проверить, работал ли он с:
Если вы используете conda, возможно, вы установили версию tenorflow для процессора. Проверьте список пакетов ( conda list ) окружающей среды, чтобы увидеть, если это так. Если это так, удалите пакет с помощью conda remove tensorflow и установите вместо него keras-gpu ( conda install -c anaconda keras-gpu . Это установит все необходимое для запуска кодов машинного обучения в графическом процессоре. Ура!
Постскриптум Сначала вы должны проверить, правильно ли вы установили драйверы, используя nvidia-smi . По умолчанию его нет в вашей переменной PATH, поэтому вам также может понадобиться добавить папку в ваш путь. Файл .exe можно найти по адресу C:\Program Files\NVIDIA Corporation\NVSMI
- проверьте, видит ли тензорный поток ваш графический процессор (необязательно)
- проверьте, может ли ваша видеокарта работать с tenorflow (необязательно)
- удаление пипсов тензор потока; pip install tenorflow-gpu
- проверьте, видит ли тензорный поток ваш графический процессор
проверьте, видит ли тензорный поток ваш графический процессор (необязательно)
проверьте, может ли ваша карта работать с tenorflow (необязательно)
-
мой компьютер: ноутбук GeForce GTX 1060 (версия драйвера - 419.35), windows 10, ноутбук jupyter
найдите нужные вам версии CUDA Toolkit и cuDNN SDK
а) найти свою версию
б) найти правильные версии CUDA Toolkit и cuDNN SDK для вашей версии tf
установить CUDA Toolkit
а) установить CUDA Toolkit 10.0
б) добавить переменные среды:
установить cuDNN SDK
а) скачать cuDNN SDK v7.4
б) добавить путь к папке bin в "переменные окружения/системные переменные/путь":
pip uninstall tenorflow pip install tenorflow-gpu
проверьте, видит ли тензорный поток ваш графический процессор
Следующее сработало у меня, л.с. ноутбук. У меня есть карта Nvidia, совместимая с Cuda Compute (версия) 3.0. Windows 7.
Я пробовал tensorflow как на cuda 7.5, так и на 8.0, без cudnn (мой GPU старый, cudnn его не поддерживает).
Когда я выполняю device_lib.list_local_devices() , в выводе нет gpu. Теано видит мой gpu и прекрасно работает с ним, и примеры в /usr/share/cuda/samples тоже прекрасно работают.
Я установил tensorflow через pip install. Неужели мой gpu слишком стар для tf, чтобы поддерживать его? gtx 460
Вы можете проверить, сработало ли это с:
Обновление 2020
Похоже, что tensorflow 2.0+ поставляется с gpu возможностями, поэтому pip install tensorflow должно быть достаточно
Если вы используете conda, возможно, вы установили версию cpu tensorflow. Проверьте список пакетов ( conda list ) среды, чтобы убедиться, что это так . Если это так, удалите пакет с помощью conda remove tensorflow и установите вместо него keras-gpu ( conda install -c anaconda keras-gpu . Это установит все необходимое для запуска кодов машинного обучения в GPU. Ваше здоровье!
P.S. Сначала вы должны проверить, правильно ли вы установили драйверы, используя nvidia-smi . По умолчанию этого нет в вашем PATH, поэтому вам также может потребоваться добавить папку в свой путь. Файл .exe можно найти по адресу C:\Program Files\NVIDIA Corporation\NVSMI
Вы можете увидеть некоторые журналы из TensorFlow, проверяющие ваш GPU, но в конечном счете библиотека будет избегать использования неподдерживаемого GPU.
- проверьте, видит ли tensorflow ваш GPU (необязательно)
- проверьте, может ли ваша видеокарта работать с tensorflow (необязательно)
- pip удалить tensorflow; pip установить tensorflow-gpu
- проверьте, видит ли tensorflow ваш GPU
проверьте, видит ли tensorflow ваш GPU (необязательно)
проверьте, может ли ваша карта работать с tensorflow (необязательно)
-
мой PC: GeForce GTX ноутбук 1060 (версия драйвера - 419.35), windows 10, ноутбук jupyter
найдите версии CUDA Toolkit и cuDNN SDK, которые вам нужны
а) найдите свою версию tf
б) найдите правильные версии CUDA Toolkit и cuDNN SDK для вашей версии tf
установить CUDA Toolkit
а) установить CUDA инструментарий 10.0
b) добавление переменных среды:
установить cuDNN SDK
а) скачать cuDNN SDK v7.4
б) добавьте путь к папке 'bin' в "переменные среды / системные переменные / путь":
pip удалить tensorflow pip установить tensorflow-gpu
проверьте, видит ли tensorflow ваш GPU
В настоящее время я пытаюсь обучить чат-бота, а точнее этого . Но когда я начинаю тренировать чат-бота, он использует 100% из моего CPU и примерно 10% из моего GPU. Может быть, у кого-то есть идея, почему. Я установил tensorflow-gpu и убедился, что у меня есть правильная версия CUDA и cuDNN. Я.
Я пытаюсь заставить свой бэк-энд keras работать, но он продолжает говорить, что нет GPU, но мой tensorflow говорит иначе. tensorflow from tensorflow.python.client import device_lib print(device_lib.list_local_devices()) Выход [name: /device:CPU:0 device_type: CPU memory_limit: 268435456 locality
Следующее сработало для меня, ноутбук hp. У меня есть вычислительная способность Cuda (версия) 3.0 совместимая карта Nvidia. Windows 7.
Похожие вопросы:
Я использую TensorFlow на Windows 8 и Python 3.5. Я изменил этот короткий пример, чтобы посмотреть, работает ли поддержка GPU ( Titan X) . К сожалению, время выполнения с ( tf.device(/gpu:0 ) и без.
У меня есть работающая установка Keras & Theano на Windows (следуя этому учебнику ). теперь я попытался переключить бэкэнд на Tensorflow , который работал довольно хорошо. Единственная проблема.
Я использую Python 3.7, и кажется, что каждое решение, которое я искал, находится в среде Conda, то есть я не использую. Моя компьютерная спецификация-intel i7 с nvidia gtx1050, и когда я.
В настоящее время я пытаюсь обучить чат-бота, а точнее этого . Но когда я начинаю тренировать чат-бота, он использует 100% из моего CPU и примерно 10% из моего GPU. Может быть, у кого-то есть идея.
Я пытаюсь заставить свой бэк-энд keras работать, но он продолжает говорить, что нет GPU, но мой tensorflow говорит иначе. tensorflow from tensorflow.python.client import device_lib.
Я установил tensorflow-gpu 1.15.2 на Python 3.7 venv. У меня не установлен пакет tensorflow . Я установил CUDA 9.0 (так как я использую tensorflow 1.15) и соответствующий cuDNN для CUDA 9.0. Когда я.
Я установил tensorflow-gpu в свой новый компьютер, и система, и все прекрасно распознает мой GPU, для этого я примерил свой terminal: Тест Nvidia: nvcc --version nvcc: NVIDIA (R) Cuda compiler.
Я пытаюсь настроить Tensorflow 2 на машине windows, которая, как я проверил, имеет Cuda способный GPU (Nvidia Quadro RTX 3000). Я установил необходимые библиотеки CUDA и SDKs и добавил к своему пути.
Читайте также: