当地的GPU
概述
TensorFlow可以配置为在cpu或gpu上运行。CPU版本更容易安装和配置，因此是最好的起点，特别是当你第一次学习如何使用TensorFlow时。以下是TensorFlow网站上关于CPU和GPU版本的指导:
只支持CPU的TensorFlow卡塔尔世界杯欧洲预选赛赛程表．如果您的系统没有NVIDIA®GPU，您必须安装此版本。注意，这个版本的TensorFlow通常更容易安装(通常在5或10分钟内)，所以即使你有一个NVIDIA GPU，我们建议先安装这个版本。
支持GPU的TensorFlow卡塔尔世界杯欧洲预选赛赛程表．TensorFlow程序在GPU上的运行速度通常比在CPU上快得多。因此，如果您的系统有一个满足以下先决条件的NVIDIA®GPU，并且您需要运行性能关键的应用程序，您应该最终安装这个版本。
因此，如果你刚刚开始使用TensorFlow，你可能想坚持使用CPU版本来开始，然后在你的训练变得更需要计算时安装GPU版本。
在每个平台上使用TensorFlow的GPU版本的先决条件如下所述。一旦你满足了先决条件，在单用户/桌面环境中安装GPU版本就像下面这样简单:
图书馆(tensorflow)install_tensorflow（version =“图形”）如果你正在使用Keras，你可以同时安装Keras和TensorFlow的GPU版本:
图书馆(keras)install_keras（tensorflow =“图形”）注意，在所有平台上，必须运行具有CUDA®Compute Capability 3.5或更高版本的NVIDIA®GPU，才能运行TensorFlow的GPU版本。请参阅人GPU卡．
Prerequisties
窗户
本文描述了如何检测您的显卡是否使用NVIDIA®GPU:
一旦你确认你有一个NVIDIA®GPU，下面的文章描述了如何安装所需的软件组件，包括CUDA Toolkit v10.0，所需的NVIDIA®驱动程序和cuDNN >= v7.4.1:
https://www.tensorflow.org/install/gpu#hardware_requirements
注意，关于安装最后一个组件(cuDNN v7.4.1)的文档有点稀疏。加入NVIDIA®开发人员程序并下载包含cuDNN的zip文件后，您需要解压缩该zip文件，并将解压缩文件的位置添加到系统PATH中。
Ubuntu
本文介绍如何安装所需的软件组件，包括CUDA Toolkit v10.0、所需的NVIDIA®驱动程序和cuDNN >= v7.4.1。
安装所需软件的细节因Linux版本而异，因此请仔细阅读NVIDIA®文档，以确保您正确安装了所有内容。
下面的部分提供了在Ubuntu 16.04上可能使用的安装命令的示例。
Ubuntu 16.04的例子
首先，安装NVIDIA驱动程序:
#添加NVIDIA包存储库#为apt-key添加H卡塔尔世界杯欧洲预选赛赛程表TTPS支持Sudo apt-get install gnupg-curlwget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_10.0.130-1_amd64.debSudo DPKG -i cuda-repo-ubuntu1604_10.0.130-1_amd64.debSudo apt-key adv——fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pubsudo apt-get更新wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.debSudo apt install ./nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.debsudo apt-get更新#安装NVIDIA驱动程序#驱动程序安装问题，需要创建/usr/lib/nvidiasudo mkdir /usr/lib/nvidiaSudo apt-get install- no-install- recommended nvidia-410#重启。使用nvidia-smi命令检查图形处理器是否可见接下来安装CUDA Toolkit v10.0和cuDNN v7.4.1，其中包括:
#安装开发和运行库(~4GB)Sudo apt-get install——no-install- recommended \cuda-10-0 \libcudnn7＝7．4．1．5－1+ cuda10．0＼libcudnn7-dev＝7．4．1．5－1+ cuda10．0注意，下载是很重要的CUDA 10.0(而不是CUDA 10.1，这可能是最初提出的选择)，因为v10.0是TensorFlow构建的基础。
您可以看到更多关于安装的信息在这里．
环境变量
在Linux上，CUDA库的部分设置是将CUDA二进制文件的路径添加到您的路径而且LD_LIBRARY_PATH以及设置CUDA_HOME环境变量。根据您是在单用户工作站还是在多用户服务器上安装TensorFlow，您将以不同的方式设置这些变量。如果您正在运行RStudio Serv英格兰vs伊朗让球er，则需要进行一些额外的设置，下面也将介绍这些设置。
在所有情况下，这些都是需要设置/修改的环境变量，以便TensorFlow找到所需的CUDA库。例如(路径将根据CUDA的具体安装而改变):
单用户安装
在单用户环境中(例如桌面系统)，您应该在您的~ / . profile文件。这是必须使用的~ / . profile而不是~ / . bashrc,因为~ / . profile是由桌面应用程序(如RStudio)和终端会话读取的，而英格兰vs伊朗让球~ / . bashrc只适用于终端会话。
方法后需要重新启动系统~ / . profile提交文件以使更改生效。还要注意~ / . profile文件将不会被bash读取，如果您有~ / . bash_profile或~ / . bash_login文件。
总结以上建议:
定义CUDA相关的环境变量
~ / . profile而不是~ / . bashrc；确保你没有任何一个
~ / . bash_profile或~ / . bash_login文件(因为这将防止bash看到您添加到其中的变量~ / . profile）;编辑完成后重新启动系统
~ / . profile这样更改才能生效。
多用户安装
在多用户安装(例如服务器)中，您应该在系统范围的bash启动文件(/ etc / profile)，所以所有用户都可以访问它们。
如果你正在运行RStudio Serv英格兰vs伊朗让球er，你还需要以R / RStudio特定的方式提供这些变量定义(因为RStudio Server不为R会话执行系统配置文件脚本)。
修改LD_LIBRARY_PATH您使用rsession-ld-library-path在/etc/rstudi英格兰vs伊朗让球o/rserver.conf配置文件中
/etc/英格兰vs伊朗让球rstudio/rserver.conf
你应该设置CUDA_HOME而且路径/usr/lib/R/etc/Rprofile.网站配置文件:
/usr/lib/R/etc/Rprofile.site
Sys.setenv（CUDA_HOME =“/ usr /地方/ cuda”）Sys.setenv（路径=粘贴（Sys.getenv（“路径”)，“/ usr /地方/ cuda / bin”，9月=”:“）)在服务器环境中，您可能还会发现将TensorFlow安装到系统范围内的位置更方便，服务器的所有用户都可以共享对它的访问。关于这样做的详细信息在多用户安装下面的部分。
Mac OS X
从TensorFlow的1.2版本开始，Mac OS X上不再支持GPU。卡塔尔世界杯欧洲预选赛赛程表如果你想在Mac OS X上使用GPU，你需要安装TensorFlow v1.1，如下所示:
图书馆(tensorflow)install_tensorflow（version =“1.1 gpu”）然而，在您安装之前，您应该确保您有一个NVIDIA®GPU和您的系统上有所需的CUDA库。
虽然一些较老的Mac电脑包括NVIDIA®GPU，但大多数Mac电脑(尤其是较新的)不包括NVIDIA®GPU，所以在继续之前，你应该检查你的Mac电脑中的显卡类型。
以下是包含NVIDIA GPU内置的Mac系统列表:
https://卡塔尔世界杯欧洲预选赛赛程表support.apple.com/en-us/HT204349
你可以通过系统报告按钮在关于这个苹果对话框:
上图显示的MacBook Pro系统不安装了NVIDIA®GPU(而是英特尔Iris Pro)。
如果你有NVIDIA®GPU，下面的文章描述如何安装基本CUDA库:
http://docs.nvidia.com/cuda/cuda-installation-guide-mac-os-x/index.html
你还需要从这里为OS X安装cuDNN库5.1库:
https://developer.nvidia.com/cudnn
安装这些组件之后，您需要确保CUDA和cuDNN都可以通过DYLD_LIBRARY_PATH．这通常涉及在您的. bash_profile正如NVIDIA CUDA和cuDNN文档中描述的那样。
注意，在.bash_profile中设置的环境变量在默认情况下对OS X桌面应用程序(如R GUI和RStudio)是不可用的。英格兰vs伊朗让球要在这些环境中使用CUDA，你应该从系统终端启动应用程序，如下所示:
安装
单用户
在单用户桌面环境中，您可以通过以下方式安装支持GPU的TensorFlow:卡塔尔世界杯欧洲预选赛赛程表
图书馆(tensorflow)install_tensorflow（version =“图形”）如果这个版本没有成功加载，您应该检查上面的先决条件，并确保按照上面的建议提供了CUDA环境变量的定义。
看到主安装的文章关于其他可用选项的详细信息(例如virtualenv vs. conda安装，安装开发版本等)。
多个用户
在多用户服务器环境中，您可能需要安装支持GPU的系统级TensorFlow版本，以便所有用户可以共享相同的配置。卡塔尔世界杯欧洲预选赛赛程表要做到这一点，从这里开始遵循TensorFlow GPU版本的本地pip安装指导:
https://www.tensorflow.org/install/install_linux#InstallingNativePip
TensorFlow有一些组件(例如Keraslibrary)，它们依赖于其他Python包。
你可以用以下命令安装Keras和它的可选依赖项(确保你有通过sudo写入系统库位置所需的正确权限，等等):
如果你在从R中找到全系统版本的TensorFlow方面有任何问题，请参阅有关章节定位TensorFlow．