查看自己NVIDIA的驱动版本（保证在410及以上） Win+R打开运行对话框输入cmd命令在命令行输入nvIDia-smi查看版本号以及支持的CUDA版本
版本过低，可前往官网进行升级，可手动填写NVIDIA配置后搜索驱动版本进行安装，也可以选择自动安装
NVIDIA官网
安装成功后再次cmd命令:nvIDia-smi查看是否安装成功。
Anaconda中的安装打开anaconda prompt创建虚拟环境（conda create -n 环境名称 python=3.6）注：python版本不能太高，否则之后可能安装失败打开所创建的虚拟环境（conda activate 环境名称）打开PyTorch官网进行安装
PyTorch官网根据之前查看的NVIDIA支持的CUDA 版本选择进行安装（可安装更低的版本）
注意：复制时不要把 -c pytorch复制上，不然不会换源安装。
将复制好的代码粘贴在所创建的虚拟环境中，进行安装
检验安装是否成功在所创建的环境中输入python打开python界面输入@R_404_5565@ torch输入print（torch.version）查看安装版本输入torch.cuda.is_available()查看是否安装成功，若输出True，则表示安装成功。若显示False，表示安装失败。可能的原因有： python版本过高所安装的pytorch与nVIDia所支持cuda不匹配网络问题导致未安装成功
附：在Anaconda中，jupyter切换虚拟环境在conda prompt命令框中输入pip install ipykernel输入python -m ipykernel install --user --name 环境名称 --display-name 显示名称
tensorflow-gpu版本配置查看Tensorflow版本查看tensorflow-gpu所对应的python以及CUDA版本
2.查看原文链接
Tensorflow
创建虚拟环境打开anaconda prompt创建虚拟环境（conda create -n 环境名称 python=3.6）注：python版本根据上表选择。打开所创建的虚拟环境（conda activate 环境名称）
Tensorflow的安装根据上图选出要按照的tensorflow-gpu版本。（注：tensorflow版本不要太高，高版本功能可能不齐全）在虚拟环境中输入: conda install tensorflow-gpu=2.0.0安装成功即可
检验是否安装成功在虚拟环境中打开python输入 @R_404_5565@ tensorflow as tf输入：print(tf.test.is_gpu_available())显示true即为安装成功
keras的安装在之前的虚拟环境中输入：conda install keras安装成功后打开python输入@R_404_5565@ keras会显示 “Using TensorFlow backend”，解决办法： 在@R_404_5565@ keras之前输入@R_404_5565@ os 在之后激活该环境时，可能会显示报错，方法： 将该环境的keras卸载退出命令框用管理员权限打开anoconda Prompt激活环境输入conda install -c anaconda keras同样在 @R_404_5565@ keras 前输入 @R_404_5565@ os这样再次激活环境的时候就不会报错了
总结
以上是内存溢出为你收集整理的PyTorch-GPU版本、Tensorflow-GPU版本配置全部内容，希望文章能够帮你解决PyTorch-GPU版本、Tensorflow-GPU版本配置所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）