A la fin de l'installation d'Anaconda à proprement parlé, le système vous propose d'installer Microsoft Visual Studio Code. Si vous n'en n'avez pas d'installé au préalable installez-le. Dans notre cas il ne nous sert pas à grand chose mais il installe un fichier dont TensorFlow a besoin: Installation de Rodeo Pour une raison que j'ignore la page de téléchargement de Rodeo semble indisponible en ce moment. Vous pouvez récupérer Rodeo chez 01Net: La version que j'ai récupérée est « ». Installer TensorFlow sous Windows pour le Deep Learning. Installez-la: Il n'y a rien de particulier à faire, à la fin de l'installation Rodeo s'ouvre avec un example de programme Python. Vérifiez juste que la version de Python qui tourne avec Rodeo est la bonne (celle qui se trouve dans le répertoire d'installation d'Anaconda). Pour moi: C:\ProgramData\Anaconda3\ Pour cela, cliquez en haut à gauche dans le menu sur Rodeo puis Preferences Installation de TensorFlow et Keras Anaconda installe un certain nombre d'outils sur votre machine dont une invite de commande « Anaconda Prompt ».
Si vous avez suivi mon tuto sur les chiffres manuscrits, Anaconda est déjà installé sur votre système. Sinon, téléchargez Anaconda pour votre système: Choisissez la version pour python 2. X ou 3. X. Si vous utilisez Windows ou Linux, prenez garde à choisir l'outil d'installation 64 bits si vous avez un système 64 bits. Lancez l'outil d'installation et installez Anaconda. Lancez l'application Anaconda Prompt. Dans le prompt, créez un nouvel environnement anaconda en tapant: conda create --name tf_gpu tensorflow-gpu Activez cet environnement: Et installez quelques packages supplémentaires dont vous aurez besoin par la suite: conda install jupyter matplotlib scikit-learn Étape 4: Test! Nous avons maintenant tout ce qu'il nous faut. Lancez Anaconda Navigator, et allez dans l'onglet Environments. Vous devriez y voir votre environnement tf_gpu. Sélectionnez-le. Cliquez sur la flèche à droite et sélectionnez "Open with IPython". Installer tensorflow avec anaconda se. Dans le prompt IPython, entrez: import tensorflow as tf sess = tf.
Jusqu'à présent, la meilleure configuration pour exécuter tensorflow avec GPU est CUDA 9. 0 avec tensorflow_gpu-1. 12. 0 sous python3. 6. Suite à cette configuration avec les étapes mentionnées dans (la réponse ci-dessus), a fonctionné pour moi 🙂 Das_Geek Désinstallez tensorflow et installez uniquement tensorflow-gpu; cela devrait suffire. Installer TensorFlow avec pip. Par défaut, cela devrait s'exécuter sur le GPU et non sur le CPU. Cependant, vous pouvez également procéder comme suit pour spécifier sur quel GPU vous souhaitez qu'il s'exécute. Si vous avez un GPU nvidia, découvrez votre identifiant de GPU à l'aide de la commande nvidia-smi sur la borne. Après cela, ajoutez ces lignes dans votre script: os. environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" os. environ["CUDA_VISIBLE_DEVICES"] = #GPU_ID from earlier config = nfigProto() sess = ssion(config=config) Pour les fonctions pour lesquelles vous souhaitez utiliser des GPU, écrivez quelque chose comme ceci: with (iceSpec(device_type="GPU", device_index=gpu_id)):.
Sitemap | wwropasx.ru, 2024