[Tensorflow]Linux 下支持 CUDA9.1 cuDNN7的tensorflow


在服務器上搭建tensorflow-gpu,使用"nvcc -V“命令看了一眼CUDA版本,發現是9.1。因為學長用的是pytorch,而官方版本至1.7為止還沒有支持CUDA9.1的。實在不想用docker,查了一下發現了windows下用tensorflow+CUDA9.1,沒有linux的。好在順着這條線索,在github上查到了相關的東西,分享一下。

原文鏈接:

https://blog.csdn.net/vcvycy/article/details/79298703

根據里面的鏈接,我們發現非官方的安裝包,大概包含tensorflow和wheel兩個關鍵詞,所以在github上搜索一下:


mind/wheels是tiny mind開發的為Linux准備的特殊版本的tensorflow,包含支持CUDA9.1的tensorflow。

fo40225/tensorflow-windows-wheel是為了windows准備的。

搬運下載鏈接:linux可用CUDA9.1的tensorflow-gpu

另外:whl文件的安裝自行搜索,需要在whl所在路徑下使用pip install xxx.whl

這個裝完以后在pip list里面顯示的是tensorflow 1.6.0,但它實際上是gpu版的。

你可以使用這里的代碼測試一下,代碼明確要求使用GPU設備,為了方便搬運了一下:

import tensorflow as tf

with tf.device('/cpu:0'):
    a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')
    b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')
with tf.device('/gpu:1'):
    c = a + b

# 注意:allow_soft_placement=True表明:計算設備可自行選擇,如果沒有這個參數,會報錯。
# 因為不是所有的操作都可以被放在GPU上,如果強行將無法放在GPU上的操作指定到GPU上,將會報錯。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))
# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))


注意!

本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系我们删除。



 
粤ICP备14056181号  © 2014-2020 ITdaan.com