Wir alle wissen, dass die Installation von TensorFlow, das mit GPU effektiv funktioniert, eine etwas schwierige Aufgabe ist. Hier ist, wie ich auf meinem System installiert habe und es funktioniert wie ein Zauber.
Einige Voraussetzungen müssen berücksichtigt werden, bevor etwas unternommen wird.

Hardware-Anforderungen:

1. Die Grundvoraussetzung ist, dass Ihr System über eine NVIDIA-GPU verfügt, auf der CUDA unterstützt wird.
2. Siehe die Liste der CUDA®-fähigen GPU-Karten . Überprüfen Sie die CUDA-Version Ihrer GPU.

1. 8 bewährte Möglichkeiten zur Verwendung von Chatbots für das Marketing (mit echten Beispielen)

2. Verwenden von Texthero zum Vorbereiten eines textbasierten Datensatzes für Ihr NLP-Projekt

3. 5 Top-Tipps für menschenzentriertes Chatbot-Design

4. Chatbot-Konferenz online

Software Anforderungen:

1. NVIDIA GPU - Treiber > 418.x oder höher , wie wir installieren werden
   TensorFlow ≥ 2.1.0
2. CUDA Toolkit = 10.1
3. CUPTI , das zusammen mit dem CUDA Toolkit geliefert wird.
4. cuDNN SDK 7.6
5. Python Version 3.5≥ x ≤ 3.8 (Python 3.8 unterstützt TensorFlow 2.2.0)

A . Überprüfen Sie die GPU-Treiberversion : Klicken Sie mit der rechten Maustaste auf den Desktop und öffnen Sie die NVIDIA-Systemsteuerung . Dort finden Sie einen Link zu den Systeminformationen und öffnen diese. Das Systeminformationsfenster enthält die Treiberversionsdetails.

Wenn Ihre Treiberversion kleiner als 418.x ist und Sie festgestellt haben, dass Ihre GPU CUDA 10.1-kompatibel ist, aktualisieren Sie die NVIDIA-Treiber.

B . Herunterladen von TensorFlow über PIP : Öffnen Sie die Eingabeaufforderung und führen Sie den folgenden Befehl aus:

pip install tensorflow

Die Installation ähnelt der Installation anderer Setup-Dateien. In den Programmdateien wird ein Ordner mit einigen Dateien namens NVIDIA GPU Computing Toolkit erstellt , der unsere CUDA- Dateien enthält . Führen Sie diesen Befehl nach der Installation in der Eingabeaufforderung aus:

SET_PATH=C:\Program Files\NVIDIA Corporation\NVSMI
nvdia-smi

      

       Output for command nvidia-smi
      

D. Installation von cuDNN : Dies ist eine Bibliothek für Deep Neural Networks, die mit CUDA erstellt wurde, um die GPU-Funktionalität für allgemeine Vorgänge in Deep Neural Networks zu verbessern.
Um herunterladen cuDNN, müssen Sie ein Konto auf dem NVIDIA Developer Program erstellen hier . Nach der Kontoerstellung erhalten Sie den Download-Link dafür.

Fügen Sie den gesamten Inhalt der heruntergeladenen Zip-Datei ein, in der CUDA 10.1 installiert wurde. Hier ist der Weg dorthin:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;%PATH%
SET PATH=C:\tools\cuda\bin;%PATH%

import tensorflow as tf
print("You are using TensorFlow version", tf.__version__)
if len(tf.config.list_physical_devices('GPU')) > 0:
print("You have a GPU enabled.")
else:
print("Enable a GPU before running this notebook.")

Vergiss nicht, uns dein 👏 zu geben!