staudtyves/infrastruktur-dok
1
0
Fork 0
forked from CDS/infrastruktur-dok
Code Pull Requests Activity

Update Installation-Tensorflow.md

Browse Source
This commit is contained in:
Thomas Keller 2024-03-04 14:32:45 +01:00
parent e37bba4245
commit 15dd0b0993
1 changed files with 6 additions and 6 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

12
Installation-Tensorflow.md
View File

@ -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: