TensorFlow GPU 设置指南

TensorFlow 在 GPU 上的设置可以帮助您加速深度学习模型的训练过程。以下是一些基本的步骤来设置 TensorFlow 以使用 GPU。

安装 CUDA 和 cuDNN

下载并安装 CUDA Toolkit。
下载并安装 cuDNN。

安装 TensorFlow

确保您安装的是支持 GPU 的 TensorFlow 版本。可以使用以下命令安装：

pip install tensorflow-gpu

验证 GPU 支持

在您的 Python 环境中运行以下代码以验证 TensorFlow 是否能够识别 GPU：

import tensorflow as tf

print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

使用 GPU 进行计算

一旦 TensorFlow 能够识别您的 GPU，您就可以使用它来加速您的计算了。以下是一个简单的例子：

import tensorflow as tf

# 创建一个简单的模型
model = tf.keras.models.Sequential([
  tf.keras.layers.Dense(10, activation='relu', input_shape=(32,)),
  tf.keras.layers.Dense(1)
])

# 编译模型
model.compile(optimizer='adam',
              loss='mean_squared_error')

# 训练模型
model.fit(tf.random.normal([1000, 32]), tf.random.normal([1000, 1]), epochs=10)

更多关于 TensorFlow 的信息，请访问我们的 TensorFlow 教程页面。

抱歉，您的请求不符合要求。