Tensorflow2.0 双卡GPU稳定环境配置组合

最新推荐文章于 2025-12-25 12:59:16 发布
原创 最新推荐文章于 2025-12-25 12:59:16 发布 · 626 阅读 · 1 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，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。
标签
#深度学习
本文档详细介绍了如何在Ubuntu 18.04 LTS上配置TensorFlow 2.0的双GPU环境，包括使用i9-9900X CPU、两块GTX2080 GPU和CUDA 10.0、CUDNN 7.3.1。安装过程中特别提醒避免升级内核到5.3，以防GPU故障。同时提供了Nvidia驱动和TensorFlow-GPU的安装命令。

CPU：i9-9900X

GPU：GTX2080*2

RAM：16GB

SSD：512

-----------------------------------------------------------------------------------------------------------------------------------------------

Ubuntu 18.04 LTS：https://cn.ubuntu.com/      --最好不要升级内核，升级到5.3内核，GPU出奇怪的故障导致coredump，重启后无法恢复必须重装cuda，cudann。

CUDA10.0：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=deblocal  

Nvidia-Driver-410：https://www.nvidia.cn/Download/index.aspx?lang=cn#  

CUDANN-7.3.1:https://developer.nvidia.com/rdp/cudnn-archive   -- 需要注册登录才能下载

X86 Linux ：pip install scrapy -i https://mirrors.aliyun.com/pypi/simple/ tensorflow-gpu==2.0

------------------------------------------------------------------------------------------------------------------------------------------------

ARM linux tensorflow download URL：https://developer.download.nvidia.cn/compute/redist/jp/v42/tensorflow-gpu/

 

基于tensorflow2.x的多GPU并行训练
weixin_45885232的博客
04-20 3585
基于TensorFlow2.x的多GPU并行训练，给出了基本操作流程，基本内容解释，其中注意事项。
Tensorflow-GPU相关设置问题
小马日记
06-01 593
这几天遇到多GPU跑Tensorflow代码问题，主要涉及两个问题，组里老大给讲解后整理如下： 1、为什么普通代码，直接指定多个GPU，训练速度没有提升？ 默认tensorflow会占用所有卡的所有显存，所以要指定卡和每张卡的占用量，比如你指定两张卡，默认情况下，两张卡上都会有模型参数，同一份数据会送到两张卡上进行运算，做重复的工作 2、如何使用多个GPU进行运算？ 如果要使用两张卡训练，提高效率，就要给两张卡分别送不同的数据，而且要对两张卡计算的梯度进行合并，然后通过反向传播更新两张卡的参数 3、但GPU
完美解决tensorflow 使用CPU与GPU相关问题
dongbao520的博客
09-05 5494
查看 tensorflow 版本 　　conda list 例如发现 tensorflow 1.10.0 　　tensorflow-gpu 1.10.0 当两个版本相同时，默认会使用 cpu 版本 如果同时存在 cpu 和 gpu 版本的 tensorflow，系统默认使用版本高的 tensorflow 如果想要使用 gpu 版本的 tensorflow，只需要将 gpu 版本升级比 cpu 高，即可解决 在运行之前先查看GPU的使用情况： 　　指令：nvidia-smi 备注：查看GPU此时的使用情况 　
ASRT 双GPU训练这样设置
小沙粒看未来
04-01 689
SpeechModel251_p.py if(__name__=='__main__'): import tensorflow as tf from keras.backend.tensorflow_backend import set_session #os.environ["CUDA_VISIBLE_DEVICES"] = "0,1" #进行配...
Pytorch/paddle单机多卡RTX 3060×2的Ubuntu深度学习训练环境配置+代码模板+常见问题解决
m0_46339652的博客
02-24 4259
下载nccl: https://developer.nvidia.com/nccl/nccl-legacy-downloads 选择对应的操作系统和CUDA版本(这里选择离线安装): 下载好后进行离线安装: 接下来提示需要安装一个,必须先安装公钥才能进行接下来的操作. 安装公钥: 更新软件源: 清华源最好用: 然后更新: 安装nccl: 将nccl添加到环境变量中: nccl默认的安装目录是 ,修改~/.bashrc文件，添加如下内容到文件中: 添加好之后保存文件，使用让文件的配置生效，在通过查看环境变量
TensorFlow-gpu 2.5.0与CUDA 11.2环境配置指南
weixin_32869687的博客
12-15 913
在Windows 10 + Anaconda环境下搭建TensorFlow-gpu 2.5.0，详解conda环境创建、Python版本选择、CUDA Toolkit 11.2及cuDNN的安装与配置步骤，确保GPU加速顺利运行。
Win10下Anaconda配置TensorFlow-GPU 2.5.0
weixin_33363025的博客
12-15 887
在Windows 10系统中通过Anaconda搭建TensorFlow-GPU 2.5.0环境，详细记录了CUDA 11.4与cuDNN的安装步骤，以及如何在Conda环境中正确配置GPU支持。提供了常见问题如动态链接库缺失的解决方案，确保顺利调用GPU进行深度学习训练。
十分钟安装TensorFlow-GPU 2.6.0完整指南
最新发布
weixin_35045970的博客
12-25 854
本文详细记录了在Python 3.9环境下配置TensorFlow-GPU 2.6.0的全过程，涵盖CUDA 11.2与cuDNN 8.1的安装、依赖版本兼容性处理，以及matplotlib 3.3.4等关键包的选择，帮助避免常见冲突，实现GPU加速验证。
Windows下TensorFlow-GPU环境配置全指南
weixin_42437253的博客
12-15 1193
详解在Windows系统中配置TensorFlow-GPU的完整流程，涵盖Python 3.8、CUDA Toolkit、cuDNN版本匹配与安装步骤，结合Anaconda虚拟环境管理，确保GPU成功调用，适用于深度学习开发环境搭建。
Linux下TensorFlow-GPU环境配置指南
weixin_42126677的博客
12-15 979
详解在Linux系统中通过Anaconda搭建TensorFlow-GPU环境的完整流程，涵盖CUDA与cuDNN的安装配置要点，强调版本兼容性问题及常见错误处理方法，适合深度学习初学者参考。
Windows下安装TensorFlow-GPU 2.2.0避坑指南
weixin_36074800的博客
12-25 1013
手把手教你完成TensorFlow-GPU 2.2.0在Windows系统下的安装，涵盖CUDA 10.2与cuDNN配置、Anaconda环境搭建及常见问题解决，尤其针对缺少cudart64_101.dll错误提供有效方案，适合新手跟练。
Win10下TensorFlow-GPU 2.2.0安装指南
weixin_29092787的博客
12-25 897
详细讲解在Windows 10系统中配置TensorFlow-GPU 2.2.0的完整流程，涵盖CUDA 10.2与cuDNN的安装、环境变量设置、Anaconda虚拟环境搭建及常见问题解决，特别是cudart64_101.dll缺失的应对方法，助力深度学习环境快速部署。
Anaconda安装TensorFlow-GPU详细指南
weixin_42576804的博客
12-15 1098
本文详细介绍在Anaconda环境下配置TensorFlow-GPU的完整流程，涵盖CUDA与cuDNN版本选择、安装配置及环境变量设置，并通过命令行与Jupyter Notebook验证GPU可用性，帮助用户高效搭建深度学习开发环境。
TensorFlow-GPU环境配置全攻略
weixin_33205138的博客
12-15 891
详解Python+TensorFlow-GPU+CUDA+cudnn与显卡驱动的完整配置流程，涵盖版本匹配、驱动安装、CUDA与cudnn部署及最终GPU可用性测试，助你顺利搭建深度学习开发环境。
Windows下TensorFlow 2.5 GPU环境配置指南
weixin_35811662的博客
12-15 829
详细讲解如何在Windows系统中配置TensorFlow 2.5 GPU版本，涵盖Visual Studio 2019、CUDA 11.2与cuDNN 8.1的安装步骤及环境变量设置，确保顺利启用GPU加速。
TensorFlow-GPU环境配置全指南
weixin_35756373的博客
12-15 796
详细讲解Python+TensorFlow-GPU+CUDA+cudnn与显卡驱动的完整配置流程，涵盖版本匹配、驱动安装、CUDA与cudnn部署及最终GPU可用性测试，助你高效搭建深度学习开发环境。
Linux下TensorFlow-GPU环境配置全指南
weixin_42502089的博客
12-15 610
详细记录在Linux系统中搭建TensorFlow-GPU环境的完整流程，涵盖Anaconda、CUDA、cuDNN的安装与版本匹配要点。通过conda管理虚拟环境，避免依赖冲突，并提供常见报错如CUDA驱动不兼容的解决方案，确保GPU顺利调用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值