30系列显卡使用tensorflow1版本

win10 30系列显卡 tensorflow-gpu 1.15 安装

今天重新配置Anconda环境发现不能复现了，之前用一个网上大佬提供的文件tensorflow-1.15.4+nv-cp37-cp37m-win_amd64.whl搞定的。今天弄了很久没有再次搞定，还是老老实实找到了原来的Anaconda虚拟环境，现在分享出来，希望不要重新体验这份痛苦。解压后放到Anaconda的envs路径下。

rtx30系列显卡运行tf1程序

rtx30系列在Windows下不支持tensorflow1的使用，最开始安装tensorflow1试用时代码总是终止在某个地方。在不想安装双系统的情况下我找到了可以使用Windows rtx3060跑tensorflow1的方法。

Win10 RTX30系列 安装tensorflow1.15 1.遇到的问题： 直接PiP安装，能够安装完成。 pip install tensorflow-gpu==1.15 并且测试TF的版本和显卡是否正确，也都正常。 import tensorflow as tf print(tf.__version__) print(tf.test.is_gpu_available()) 但是：   训练会卡住，也不报错，就卡着。 遂安装失败。 2.最近发现了一个知乎大神的版本 废话不多说，上链接： http

关于RTX30系显卡安装tensorflow-gpu的问题 之前按照网上的教程安装nightly版的tensorflow-gpu，但是总报错误，昨天重新配置了一个环境终于不报错了，跟大家分享一下。 环境 Win10+Python3.6+CUDA11.1+Cudnn8.0.4 安装 我首先用conda install pytorch torchvision cudatoolkit=11 -c pytorch-nightly来安装了最新的pytorch 然后在https://pypi.org/下载的tf_ni

由于tensorflow1.x最高只支持CUDA10，而30系显卡最低要求CUDA11才能运行，这导致我3090显卡没法直接运行tensorflow1.x的众多开源代码。经过搜索和实践，发现一个好用的方法实现在30系显卡下，用tensorflow2框架运行tensorflow1.x的代码。这两行代码实现用tf2里对tf1旧api的兼容，并且关闭tf2的新特性，从而实现用tf2来运行tf1.x的代码。把原先tf1.x代码里import tensorflow as tf改为以下两行代码即可。

tensorflow2版本安装

首先大家要清楚一个大环境就是在未来我们更换新设备之后，tensorflow 1.X系列以及逐渐不适用了，目前大部分家用主流机器都使用的是NVIDIA GEFORCE（主攻家用游戏市场）的30系列显卡，而Tensorflow1.X系列所提供的服务止步于最高支持20系列显卡的CUDA 10.0 （大家可以把10.1看做过渡版本） ......

记录ubuntu服务器加装RTX30系列显卡搭建tensorflow环境的过程 搭建深度学习环境，需要使用到的深度学习框架和显卡之间存在对应关系，但是很多网上找到的深度学习算法实现是基于低版本的框架代码实现的，由于tensorflow框架版本变动较大，算法工程师要求安装1.4版本的tensorflow，采购显卡时未考虑到兼容性问题，网上找了好多帖子，这里记录一下完整的过程。 具体的安装步骤分为： 安装cuda，cudnn 安装docker，nvidia docker2 拉取nvidia docker ru

问题描述 前面因为cuda10以及Tensorflow版本的问题，所以都配置了高版本，终于可以启动GPU了 出现问题： 安装的时候出现错误（出现错误时没来得及截图） NVIDIA Setup cannot continue. You have installed a newer version of the NVIDIA frameview SDK. 当时以为自己不小心删除了什么重要驱动程序，还想着去Nvidia官网下驱动包的，后面仔细理解了这个意思，好像是多了啥，然后去卸载了NVIDIA framev

RTX3050 及其他RTX30 系列显卡 启动tensorflow-gpu特别慢 原因： RTX30 系列显卡 仅仅支持cuda11.0以后的版本，不支持cuda10.0等等 解决： 使用以下对应版本成功解决 显卡: RTX3050 cudatoolkit==11.2.0 cudnn==8.1.0.77 tensorflow-gpu==2.6.0 tensorflow版本对应： https://tensorflow.google.cn/install/source_windows ...

AnimeGanv2于centos下配置conda虚拟环境并使用rtx3090进行训练时可能出现的一些问题

快速配置windows和linux的深度学习环境

显卡CUDA tensorflow-gpu

tensorflow：看需要什么版本的tf 安装对应的cuda 和cudnn（可以装多个版本的cuda，可以装在c盘外） torch: torch 官网有安装命令，如果遇到model=model.cuda()可以尝试安装个高版本的cuda，使用pip 命令安装后剩余的文件在C:\Users\Administrator\AppData\Local\pip\cache\http 中安装完后可以删除这里的文件。 ...

配置深度学习环境tensorflow-gpu

移动端RTX30系列显卡支持cuda11.0、cudnn9.0以上版本，低版本的cuda是不兼容的，使用google版本的tensorflow需要tf2.4及以上，而bert模型是基于tensorflow1.x的，所以安装tensorflow1.x-cpu版本，tensorflow-gpu版本运行bert会报错。具体安装步骤可以根据以下过程进行： https://blog.csdn.net/qq_42458992/article/details/120684554