下面是安装tf 2.6版本的教程 于7.24测试
默认已经安装好了cuda并添加到了环境变量中
在终端使用
nvcc -V
和
nvidia-smi
进行检查
这次的版本教程需要你安装好cuda驱动，配置好环境路径！！已经跳过~
如有需求可以参考下面的6.22版本
参考资料：
https://discuss.tensorflow.org/t/config-util-import-problem/17575
https://stackoverflow.com/questions/75069062/module-numpy-has-no-attribute-object
https://gitcode.net/mirrors/Anaconda-Platform/nb_conda_kernels?utm_source=csdn_github_accelerator
操作重点 （解决版本打架）
pip install numpy==1.23.4
pip install protobuf==3.20.1
开始！
我使用jupyter lab想加一个tf2.6版本的环境
所以我开始以下尝试：
再jupyter lab的环境中安装jupyter lab内核管理
notebook_env是你jupyterlab或者notebook的环境
conda install -n notebook_env nb_conda_kernels之后
conda install -n python_env ipykernel把python_env改成你需要添加到内核里面的 python环境名字
开始安装tf2.6
- 安装gpu版本 conda install tensorflow-gpu
- conda install cudatoolkit cudnn
- pip install numpy==1.23.4
- pip install protobuf==3.20.1
- 启动jupyter服务，切换内核
import tensorflow as tf
print(tf.__version__) # 查看tensorflow版本
print(tf.__path__) # 查看tensorflow安装路径
a = tf.test.is_built_with_cuda() # 判断CUDA是否可以用
b = tf.test.is_gpu_available(
cuda_only=False,
min_cuda_compute_capability=None
) # 判断GPU是否可以用
print(a) # 显示True表示CUDA可用
print(b) # 显示True表示GPU可用
# 查看驱动名称
if tf.test.gpu_device_name():
print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
print("Please install GPU version of TF")
下面是 6.22版本的，对没有装cuda的稍微详细一点
tensorflow装的我好烦啊~
希望看到这篇文章的你，能够通过我的经历，快速安装好你的tensorflow2.6版本以及成功识别到GPU
1.安装anaconda
访问 https://www.anaconda.com/download/
鼠标拉到最下面，可以的话用edge浏览器开个翻译好吧，下载对应操作系统的anaconda
按照提示安装完anaconda，进入
Anaconda Navigator
接下来我们开始创建虚拟环境
点击左侧栏的environments
点击下面的creat，创建虚拟环境，你可以自定义虚拟环境的环境名称
2.安装CUDA
如果你不是N卡。你可以不用继续往下看了，直接使用云端环境就可以了 kaggle.com
找到NVIDIA控制面板->帮助->系统信息->组件看一下CUDA版本
一般cuda的版本都是向下兼容
我安装的是12.1版本的，请你根据自己的来，需要大于11.2才能使用我们这个套餐。
这个安装驱动就不在赘述，可以直接搜索 cuda的安装教程 即可，图文并茂
这边找了一个安装教程给你，
这里还有其他版本的
https://blog.csdn.net/xiangxiang613/article/details/112603083
3.安装cudn和cudaa
先打开一个终端 执行 conda activate 你的虚拟环境名称
确保你使用的是虚拟环境。
依次执行一下下面的指令，查看一下有哪些版本
conda search cuda
conda search cudnnconda install cudatoolkit=11.3.1
conda install cudnn=8.2.1每个人可能不太一样，请确保大致即可
安装tensorflow2.6
pip install tensorflow-gpu==2.6.0注意一下你的numpy版本
安装完之后执行这个命令
pip install protobuf==3.20.0
pip install numpy==1.19.5如果你需要使用pandas，因为你的numpy版本，你应该这样安装
pip install pandas==1.4.0如果你还需要使用matplotlib
pip install matplotlib==3.3.4安装完成之后，我们开始测试
import tensorflow as tf
tf.test.is_gpu_available()