登录社区云，与社区用户共同成长
邀请您加入社区
项目用到tensorflow-gpu、cuda、cudnn，为了记录当前版本不冲突的各种依赖，建议使用anaconda。
pycharm不能调用tensorflow-gpu的问题在终端import tensorflow没有问题↓但是在pycharm中导入却不能使用GPU报错：W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'libcudart.so.11.0'; dlerror
tensorflow和tensorflow-gpu中,电脑如何选择tensorflow-gpu进行训练
关于使用tensorflow-gpu 1.14.0版本训练时出现“0 successful operations. 0 derived errors ignored.”的解决方法
而使用 conda 安装 GPU 加速版本的 TensorFlow 时，只需使用命令 conda install tensorflow-gpu，这些库就会自动安装成功，且版本与 tensorflow-gpu 包兼容。conda install tensorflow命令只有在Linux下安装的才是集成了mkl库的TensorFlow，如果在Windows下，必须使用conda install ten
玩转英伟达jetson系列(一)刷系统1.因为工作的原因，有幸同时接触并应用了英伟达jetson nano，jetson tx2和jetson Agx Xavier这三款嵌入式的AI计算平台，对于我个人来说，这三款硬件产品除了算力和性能上的区别，系统方面没什么区别，只要会其中对一个硬件刷系统，其他两个大同小异，jetson nano系统在TF卡上就一个系统烧制的工程，贼简单，中间也没有什么坑，就一
安装完anaconda以后打开anaconda promp，依次输入以下4条命令：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anacond...
路面缺陷检测算法演示车载相机或智能手机拍摄地面，对其进行分析识别，及时预警需要修补的道路.这项技术在道路维护管养中可发挥重要作用
每次在服务器跑深度学习代码，我的数据量很小。但是内存直接占满。如下图可以设置内存占用情况。
1问题描述最近用bert训练模型时，发现GPU资源占用很小，小到连bert模型都装不下，然后cpu几乎占满排除了代码问题，数据传输问题，排除了资源选择问题，懵逼了。。。一时也不知道咋回事，之前还没有遇到过。2.问题发现无意间发现了日志报告的一段Cannot dlopen some GPU libraries. Please make sure the missing libraries menti
tensorflow安装gpu版本带有GPU的台式终于到手，然后花了差不多一天的时间安装tensorflow带有gpu的版本。当然踩坑占用了90%的时间，真的是吐了。好了，现在进入正题，要想成功使用gpu版本的tensorflow大概需要以下步骤。安装CUDA ；下载对应的CUDA版本的cuDNN ；下载tensorflow-gpu ；1，安装CUDA1）首先进入以上地址 https://deve
win10 30系列显卡 tensorflow-gpu 1.15 安装
2023年现在在安装tensorflow时，按照官网的直接pip install tensorflow，就算你安装后TensorFlow的GPU 也无法使用。你明明就看见他官网的注释下载的就是CPU 和 GPU 的当前稳定版本，但就是报错用不了。
1.注册百度AIStudio平台账号完成任务（两三分钟）可以获得100小时的GPU地址https://aistudio.baidu.com/（创建项目，上传数据集，启动项目很快就能学会使用）进入项目2.创建项目填好有关内容然后点击创建点击启动环境进入环境...
具体请看这位大佬的文章，写的很好，并且给了完全可以运行的pytorch代码。
打开cmd输入 cd /d C:\Windows\System32 回车后输入nvidia-smi
tensorflow-gpu+电脑win10+gtx1050ti显卡配置心得，防坑指南1.cuda的选择这里建议使用CUDA8.0的版本，因为之前我下载安装了一个CUDA9.0的版本，好像是不能用。官网下载CUDA8.0 https://developer.nvidia.com/cuda-80-ga2-download-archive之后我参考网上说得有个c++的环境吧，要下载安装一下vs,但是笔
问题描述：在Linux服务器上跑深度学习模型，写了CUDA_VISIBLE_DEVICES=0，一直调用gpu不成功原因分析：后来发现在配置环境的时候，tensorflow装错了。。。因为服务器上下载很慢，就在本地上下载了tensorflow的安装包，结果下成了cpu版本的，我也是醉了。。。要调用gpu，记得下载tensorflow-gpu版本。...
安装tensorflow-gpu方法安装tensorflow-gpu方法安装tensorflow-gpu方法1.打开Anaconda Prompt2.命令行输入：conda create -n TF2.1 python==3.7此步骤是创建一个conda的环境叫TF2.1 基于python3.7提示后输入y并回车安装相关附带的包3.命令行输入：conda activate TF2.1激活并进入TF
前言：安装步骤主要是另一个博主的步骤，我这里主要写一下我安装踩的坑Win10 Anaconda下TensorFlow-GPU环境搭建详细教程（包含CUDA+cuDNN安装过程） - 郭耀华 - 博客园 (cnblogs.com)1、首先你要确定你的GPU是不是能支持你安装tensorflow的GPU版本，如果不能请安装CPU版本，他也能支持你对于tensorflow的简单需求。你也可以点击查看你的
查阅官网后可知，2.12.0的包已经被删除掉了。
通过封装 NVIDIA Merlin HugeCTR，Sparse Operation Kit（以下简称 SOK）使得 TensorFlow用户可以借助 HugeCTR 的一些相关特性和优化加速 GPU 上的分布式 Embedding训练。在以往文章中（
