利用conda安装tensorflow

2022-03-03

This is cuDNN to ​​ion and

第一段代码 2020-03-24 20:52:36 816 收藏

分类栏目:深度学习笔记

版权

得到 .这是 cuDNN to ,所以试着看看上面是否有日志。

写在前面:

环境:.0 + .6

读者看到这个问题的时候,大概率会遇到上面提到的错误信息。第一个问题很明显。如果cuDNN有问题,那大概率不是你的代码写的问题。其实可以准确的说是我们的电脑出了问题。

遇到这个问题,笔者也去了很多博客,尝试了一些方法,总结了这个问题的可能性:

1)很多博主说cudacudnn不兼容,或者版本太高。

–>如果你之前成功地进行过简单的锻炼,我认为你可以忽略这一点。但是安装cuda和cudnn版本不匹配是个问题,匹配的版本可以看:Deep 1-Deep ,这篇文章就够了!-+.0-GPU+Keras+

2)电脑GPU性能太低,内存不够支持模型训练(即显卡爆)。大概就是这样吧! ! !这也有两种类型:

首先,电脑性能还可以,但是目前的训练模型过于复杂,导致显卡内存耗尽;

其次,计算机的性能不是很好,小模型的训练会爆发。这种低性能机器有一个设置来处理是否启用GPU训练

—————-2020.4.20——– ——

3) 感觉主要是cuda和cudnn对环境的依赖不好。除了强制使用cpu之外,我还尝试了网络上的其他方法,比如按需分配GPU,反正。我这里试过不成功,看了很多定位,应该是cuda和cudnn不匹配造成的,然后没办法解决,还是安装的时候自动为我们安装匹配的cuda和cudnn ?

答案是肯定的,就是直接通过安装。安装的时候会自动为我们安装对应的cuda+cudnn,完全不用担心匹配问题。很香,至少通过这个方法我的gpu可以正常工作

conda -gpu==2.0

详情可以查看我的安装博文,.0-GPU深度学习环境安装,踩坑后一步安装总结。 Win10++.0-GPU+,强烈推荐,很香

—————-2020.4.20——– ——————————

对策:

首先,电脑性能还可以,但是目前训练模型太复杂,导致显卡内存耗尽:

解决方法:让模型按需访问 GPU

#防止GPU内存耗尽导致错误

来自 pat.v1

来自 pat.v1

os.[“”] = “”

os.[”] = “0,1” #选择哪个gpu

= ()

.=True #如果你指定的设备不​​存在,让TF自动分配设备

..=0.7 #将70%的显存分配给程序,避免内存溢出,可以自行调整

.. = True #按需分配显存,这个比较重要

= (=)

其次,计算机的性能不是很好,小模型的训练会爆发。这种低性能机器有一个设置来处理是否启用GPU训练:

解决方法:直接用CPU计算,别开GPU,作者就是这么心酸的电脑,深度学习训练的赛前比电脑好!!

os.[“”] = “”

os.[”] = “-1” #选择哪个gpu—>-1的值表示不使用GPU,直接使用CPU进行计算

——————————————————

版权声明:本文为CSDN博主“第一段代码”原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明.

原文链接:

已解决无法加载’.so.10.0’; : .so.10.0: 打开 …

颜 2019-11-19 17:01:37 8026 收藏7

类别栏:

版权

安装.0 GPU版本后,检测是否支持GPU时,tf.test.()中出现如下信息:

2019-11-19 02:52:53.: W ////:55] 无法加载 ‘.so.10.0’; :.so.10.0:打开文件:没有这样的文件或; : /usr/local/cuda/lib64:

2019-11-19 02:52:53.: W ////:55] 无法加载 ‘.so.10.0’; :.so.10.0:打开文件:没有这样的文件或; : /usr/local/cuda/lib64:

2019-11-19 02:52:53.: W ////:55] 无法加载 ‘.so.10.0’; :.so.10.0:打开文件:没有这样的文件或; : /usr/local/cuda/lib64:

出[3]:假

1

2

3

4

5

原因:.0 现在支持 .0,还不支持 .1,而且我已经安装了 .1(并且 cuDNN 也安装正确)。现在只需要安装一个.1。安装时可以自动安装10.1.243,不需要下载.0包重新安装.0,直接用conda安装即可。因为我的安装在单独的虚拟环境中,执行如下代码安装:

() usr@:~$ conda =10.0

1

再次列出conda,发现当前环境已经安装了=10.0:

测试一下:

在 [1] 中:作为 tf

在[2]中:tf.test.()

输出[2]:真

——————————————————

版权声明:本文为CSDN博主“严”原创文章,遵循CC4.0 BY-SA版权协议。转载请附上原文出处链接和本声明。

原文链接:

CUDA 用于解决 CUDA 问题

2018-09-07 10:25:26 37106 收藏27

类别栏:

版权

CUDA是为CUDA翻译的,就是CUDA的驱动版本和CUDA的版本不匹配!

1.CUDA(驱动版本):是GPU的驱动版本;

查看命令:-smi

我们看到我的 GPU 的驱动程序版本是:384.81

2.CUDA(运行时版本):是安装在和cudnn包中的版本

查看命令:点子列表

已安装和 cudnn 包版本为:9.2

3.驱动和cuda版本对应

运行时版本驱动程序版本

CUDA 9.1 387.xx

CUDA 9.0 384.xx

CUDA 8.0 375.xx (GA2)

CUDA 8.0 367.4x

CUDA 7.5 352.xx

CUDA 7.0 346.xx

CUDA 6.5 340.xx

CUDA 6.0 331.xx

CUDA 5.5 319.xx

CUDA 5.0 304.xx

CUDA 4.2 295.41

CUDA 4.1 285.05.33

CUDA4.0 270.41.19

CUDA 3.2 260.19.26

CUDA 3.1 256.40

CUDA 3.0 195.36.15

4.解决方案

从驱动和的版本对应来看,版本为384.81的驱动对应的版本为9.0,也就是说我们安装cudnn程序在包版本 9.2 太高了。

因为系统中有很多依赖GPU驱动的程序,所以经常会出现这种情况,我们都改变cudnn包的版本。

所以,首先卸载 mid- 和 cudnn 包:pip;点子

然后安装对应版本和cudnn包:pip =9.0;pip

5.为什么会这样:

这通常是因为pip中安装gpu版本时,pip会检查其他依赖包。如果没有安装依赖包,会先安装最新版本的依赖包。此时gpu版本依赖cudnn包,pip会安装最新版本和cudnn包,最终导致gpu驱动版本和cuda运行时版本不匹配。

——————————————————

版权声明:本文为CSDN博主“”原创文章,遵循CC4.0 BY-SA版权协议。转载请附上原文出处链接和本声明。

原文链接:

分类:

技术要点:

相关文章:

© 版权声明
THE END
喜欢就支持一下吧
点赞8赞赏 分享
评论 抢沙发
头像
欢迎您留下宝贵的见解!
提交
头像

昵称

取消
昵称表情代码图片

    暂无评论内容