From 15dd0b0993078b52cb6e9d7c85411b4572f8c4d2 Mon Sep 17 00:00:00 2001 From: Thomas Keller Date: Mon, 4 Mar 2024 14:32:45 +0100 Subject: [PATCH] Update Installation-Tensorflow.md --- Installation-Tensorflow.md | 12 ++++++------ 1 file changed, 6 insertions(+), 6 deletions(-) diff --git a/Installation-Tensorflow.md b/Installation-Tensorflow.md index f4b82ce..6e360a6 100644 --- a/Installation-Tensorflow.md +++ b/Installation-Tensorflow.md @@ -127,8 +127,9 @@ Update von Conda selbst: Als erstes erstellen wir eine Conda Environment die Python 3.9 enthält: ``` -conda create --name tf -y python=3.9 +conda create --name tf -y python=3.12 conda activate tf +pip install --upgrade pip ``` Damit Tensorflow die GPUs nutzen kann, müssen die Treiber korrekt installiert sein. Dies können wir mit dem Befehl `nvidia-smi` überprüfen: @@ -137,11 +138,12 @@ Damit Tensorflow die GPUs nutzen kann, müssen die Treiber korrekt installiert s |:--: | Output im Falle von korrekt erkannter GPU -Danach installieren wir das Cuda Toolkit und CuDNN: +Danach installieren wir das Cuda Toolkit, CuDNN und Tensorflow: ``` conda install -c conda-forge -y cudatoolkit=11.8.0 -pip install nvidia-cudnn-cu11==8.6.0.163 +pip install tensorflow[and-cuda] + CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)")) LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib export LD_LIBRARY_PATH=${LD_LIBRARY_PATH#:} @@ -166,10 +168,8 @@ echo 'export LD_LIBRARY_PATH=${LD_LIBRARY_PATH#:}' >> $CONDA_PREFIX/etc/conda/ac ``` permanent in der Conda Environment gespeichert werden. -Mit pip installieren wir nun Tensorflow: +Nun können wir überprüfen ob Tensorflow die GPUs erkennt: ``` -pip install --upgrade pip -pip install tensorflow==2.12.* python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))" ``` Wenn alles richtig funktioniert, gibt der letzte Befehl Informationen zu den GPUs aus. Dies sieht, abhängig von der verbauten Hardware, etwa so aus: