在图形处理器上运行TensorFlow 2.0的正确方式是什么？
在图形处理器上运行TensorFlow 2.0的正确方式是通过使用CUDA和cuDNN等GPU加速库来利用图形处理器的并行计算能力。以下是详细的步骤：
- 安装CUDA和cuDNN：首先，需要安装适用于您的图形处理器的CUDA和cuDNN版本。CUDA是NVIDIA提供的并行计算平台和编程模型，而cuDNN是用于深度学习的GPU加速库。您可以从NVIDIA官方网站下载并安装适合您的操作系统和图形处理器的CUDA和cuDNN版本。
- 安装TensorFlow 2.0：接下来，您需要安装TensorFlow 2.0。您可以使用pip命令在命令行中安装TensorFlow 2.0。例如，运行以下命令可以安装最新版本的TensorFlow 2.0：
- 安装TensorFlow 2.0：接下来，您需要安装TensorFlow 2.0。您可以使用pip命令在命令行中安装TensorFlow 2.0。例如，运行以下命令可以安装最新版本的TensorFlow 2.0：
- 配置TensorFlow以使用GPU：默认情况下，TensorFlow会在CPU上运行。为了让TensorFlow在图形处理器上运行，您需要进行一些配置。首先，导入TensorFlow库：
- 配置TensorFlow以使用GPU：默认情况下，TensorFlow会在CPU上运行。为了让TensorFlow在图形处理器上运行，您需要进行一些配置。首先，导入TensorFlow库：
- 然后，使用以下代码将TensorFlow配置为使用GPU：
- 然后，使用以下代码将TensorFlow配置为使用GPU：
- 这将使TensorFlow在第一个可用的GPU上运行，并动态分配所需的显存。
- 编写并运行TensorFlow代码：现在，您可以编写并运行TensorFlow代码来利用图形处理器的并行计算能力。例如，以下是一个简单的TensorFlow代码示例：
- 编写并运行TensorFlow代码：现在，您可以编写并运行TensorFlow代码来利用图形处理器的并行计算能力。例如，以下是一个简单的TensorFlow代码示例：
- 运行此代码时，TensorFlow将自动利用图形处理器的并行计算能力来加速模型训练和推断过程。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云GPU计算服务：提供高性能的GPU云服务器实例，可用于深度学习、科学计算等任务。了解更多：https://cloud.tencent.com/product/gpu
- 腾讯云AI引擎：提供基于GPU的深度学习推理服务，可用于图像识别、语音识别等场景。了解更多：https://cloud.tencent.com/product/tai
- 腾讯云容器服务：提供基于Kubernetes的容器管理服务，可方便地部署和管理TensorFlow等深度学习框架。了解更多：https://cloud.tencent.com/product/tke
相关·内容
在tensorflow 2.0中，对冻结图形的支持会继续存在还是会被废弃？我指的是从saved_model创建/优化冻结图形的脚本和API。同样，运行推理的API也是如此。
假设它将在未来得到支持，那么在tensorflow 2.0中对冻结图运行推理的推荐方法是什么？
浏览 5提问于2019-04-08得票数 7
回答已采纳
使用Tensorflow CIFAR CNN demonstration，我验证了我的TF是否正确地使用了我的图形处理器。TF使用图形处理器运行model.fit()，它在HWiNFO64中看到了大约50%的使用率。但是，如果我随后将此单元格添加到notebook中，该notebook使用模型来预测测试集中图像的标签： import numpy as np
for img in test_images:
prediction = model.predict(np.expand_dims(img, axis=0)) # Here
print(class_names[np.arg
浏览 100提问于2020-10-26得票数 3
回答已采纳
我正在做的项目使用的是Tensorflow 2.0，它不是这个深度学习框架的最新版本，我想启用图形处理器支持。 我已经在本地安装了与CUDA-11.0有其他用途的Tensorflow 2.4.1。这个版本的Tensorflow在我的PC上看到了图形处理器，我可以毫无问题地进行训练和推理。然而，安装在virtualenv中的另一个版本2.0看不到图形处理器。 据我所知，这是因为2.0只能与CUDA-10.0一起工作。 设置Tensorflow 2.0 + CUDA-10.0最可靠的方式是什么？普通的CUDA Toolkit安装似乎会覆盖现有的11-0安装，这是不可取的。 我对容器不是很熟悉。使
浏览 13提问于2021-02-01得票数 1
回答已采纳
我已经使用tensorflow工作了一段时间，现在我正在使用tensorflow-gpu在图形处理器上做学习人员，看起来我面临着一个发布错误，有人说使用tf-nightly-gpu-2.0-preview可以解决这个问题。 那么，tf-nightly-gpu和tensorflow-gpu之间的区别是什么，它是它的测试版还是什么？ 提前谢谢。
浏览 206提问于2019-04-08得票数 7
回答已采纳
我有一些图形效果的图像，我能够运行在windows7visual studios 2008与opengl es2.0。在ARM Emulator上。
现在，我希望将我的实现移植到嵌入式设备的linux上。我对linux没有任何想法，直到现在也没有在它上面工作过。
有没有可能有人能提供一个入门读物或一些材料，这样我就可以开始将windows移植到嵌入式linux。
其次，这是我只需要从windows复制到linux的相同代码吗？
我想在我的系统中安装Ubuntu，并尝试在ubuntu中使用来自Eclipse的Linux Opengl es2.0Emulator运行该项目。
如果我在将代码从win
浏览 1提问于2012-06-25得票数 0
回答已采纳
我们的GPU处于独占模式。有时一些用户可能会手动登录一台机器并窃取一个GPU。
如何在TensorFlow脚本中GPU初始化失败时引发异常？我注意到，当TensorFlow无法初始化图形处理器时，它会打印出一条错误消息，但会在中央处理器上运行。我想停止它，而不是在CPU上运行。
浏览 3提问于2018-03-26得票数 1
我有一台三星笔记本Windows 10，内存8 8GB，英特尔显卡5500 GPU，Geforce 920M。我一直在尝试使用我的NVIDIA在Jupyter Notebook上使用Tensorflow运行代码。我的tensorflow代码不能在TensorFlow2.0版本上运行，所以我必须安装以前版本的Tensorflow。我安装了CUDDA9.0，tensorflow_ GPU -1.12.0和cuDNN 7，但它不工作，然后我尝试安装tensorflow_ GPU -1.5.0与Anaconda，它工作使用英特尔图形处理器而不是我的NVIDIA，在那一刻我修改了NVIDIA控制面板中
浏览 27提问于2020-03-23得票数 0
1回答
我有一个简单的DNN，我想测量GPU预测时间。我不关心I/O事件和数据传输，只关心model.predict()在图形处理器上完成所需的时间。我使用的是TensorFlow 2.5。我尝试过使用pythons time模块，但我不认为这是正确的方式。 有没有办法可以测量一下那个时间？
浏览 6提问于2021-10-13得票数 0
我已经安装了tensorflow-gpu包，以及在GPU上运行tensorflow的所有要求。
现在我想测试它，所以我从图像再培训教程()下载了retrain.py脚本，并用我自己的图像运行它(一个文件夹中的马，汽车飞机和文件夹“未知”中的更多)，但它不能在图形处理器上运行(0%使用率)，只能在中央处理器上运行(7%使用率)
图形处理器: Nvidia GeForce GTX1060 6 6GB，驱动版本: 390.59，Cuda版本: 9.0.176
CPU: Ryzen 7 1700x
操作系统: Ubuntu Server 18.04
浏览 39提问于2018-05-29得票数 0
1回答
我使用Nvidia Digits Box和图形处理器(Nvidia GeForce GTX Titan X)和Tensorflow 0.6来训练神经网络，一切都正常。但是，当我使用nvidia-smi -l 1检查Volatile GPU Util时，我注意到它只有6%，而且我认为大部分计算都在CPU上，因为我注意到运行Tensorflow的进程有大约90%的CPU使用率。结果是训练过程非常慢。我想知道是否有方法可以充分利用GPU而不是CPU来加快培训过程。谢谢!
浏览 0提问于2016-04-30得票数 0
在TF2.0中，在创建keras模型之后仍然需要调用model.compile，如doc所示。 但是使用eager模式，不需要创建图形，那么tf.keras.Model.compile在TensorFlow2.0中的用途是什么呢？
浏览 25提问于2019-08-26得票数 1
回答已采纳
我在Macbook(arm64，M1芯片)上使用Tensorflow 2.4.0，在我想检查M1芯片中的图形处理器是否可以被Tensorflow使用后，我得到了这个输出：
我的代码：
import tensorflow as tf
print(tf.test.gpu_device_name())
print(tf.config.list_physical_devices('GPU'))
输出：
[]
看起来我的GPU不可用。我应该如何使用我的图形处理器在M1上加速训练？
浏览 5提问于2021-01-17得票数 4
如果我买了一台集成了英特尔®超高清显卡620的Thinkpad，并在它下面安装了Ubuntu Linux和TensorFlow。然后，稍后我在Nvidia GPU上添加了eGPU。我应该在笔记本电脑上安装TensorFlow的图形处理器版本还是非图形处理器版本，或者两者都安装？
浏览 13提问于2018-08-16得票数 2
我想在CPU上运行推理；尽管我的机器有GPU。我想知道是否有可能强制TensorFlow使用中央处理器而不是图形处理器？
默认情况下，TensorFlow会自动使用GPU进行推理，但由于我的GPU不好(OOM‘’ed)，我想知道是否有设置强制Tensorflow使用CPU进行推理？
为了进行推断，我使用：
tf.contrib.predictor.from_saved_model("PATH")
浏览 0提问于2020-07-11得票数 1
我正在尝试在TensorFlow2.0中运行FaceNet模型。我下载了一组预先训练好的权重(.pb文件)，并使用tf.GraphDef()在TF1.14中加载图形。 我想知道我应该如何在TF 2.0中运行它： 我尝试使用tf.SavedModel.load()方法，但返回一个空的签名字典。 在新的Tensorflow 2.0版本中是否可以重用TF 1.x pb文件？如果是这样，又是如何做到的呢？
浏览 23提问于2019-10-17得票数 0
回答已采纳
我已经安装了tensorflow-gpu来在图形处理器上训练我的模型，并从下面确认了安装。 import tensorflow as tf
tf.config.list_physical_devices()
#[PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU'),
# PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')] 我开始训练一个图像分类模型，我希望它在GPU上自动运
浏览 51提问于2021-08-13得票数 1
回答已采纳
我让tensorflow 2.0在我的RTX2070图形处理器上工作。我做了一个窗口更新，这样我就可以每晚使用tf-了。不喜欢它，所以卸载它并重新安装tensorflow 2.3.0。运行以前的python代码，这些代码在以前的GPU上运行得很好，但它没有使用GPU。尝试了很多东西。终于重新开始了。重新安装了Anaconda，创建了新环境。已卸载Cuda工具包10.1并重新安装。在c:\Tools目录下安装了cuDnn SDK 7.6。已选中要包含的路径环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;
C:\P
浏览 0提问于2020-08-04得票数 1
回答已采纳
我已经使用Anaconda Navigator安装了tensorflow包。当我尝试在jupyter笔记本中运行import tensorflow时，我得到以下错误： OSError Traceback (most recent call last)
D:\ProgrammFiles\Anaconda\lib\site-packages\tensorflow\python\platform\self_check.py in preload_check()
61 try:
---> 62
浏览 144提问于2020-04-29得票数 0
回答已采纳
我的笔记本电脑系统是Win10，配备NVIDIA Quadro RTX3000图形处理器。当尝试用图形处理器设置TensorFlow时，它总是无法识别我的图形处理器。CUDA/CUDNN/Tensorflow等的正确配置是什么？
浏览 1提问于2021-01-08得票数 0
在没有图形处理器的安卓设备上使用OpenGL ES 2.0会比使用画布运行得更快吗？或者由于它将在CPU上运行，因此在性能方面不会有任何大的差异？
浏览 1提问于2011-07-29得票数 3
回答已采纳
在tensorflow 2.0上运行一个DDPG增强学习程序。对于我使用的批处理大小，培训非常慢，所以我希望在一个单独的线程中运行培训，而不是执行。
但是，当尝试在一个单独的线程上训练Tensorflow模型时，我遇到了一些问题。
首先是图形错误：
Tensor("dense_2/kernel/Read/ReadVariableOp:0"，ValueError： shape=(3，9)，dtype=float32)必须与张量(“Const:0”，shape=(32，3)，dtype=float32)相同。
通过从训练线程上的主线程还原图形，可以很容易地解决这个问题：
with
浏览 4提问于2019-12-12得票数 0
回答已采纳
我在Mac上尝试下载tensorflow 2.0 for GPU，但每次尝试时都会收到以下形式的错误： "Could not find a version that satisfies the requirement" 我尝试了用Python 3.6下载它的方法： pip install tensorflow-gpu==2.0.0-alpha0 pip install tf-nightly-gpu-2.0-preview 我可以安装tensorflow-gpu的其他版本，但不能安装2.0版本。有人能帮我吗？
浏览 24提问于2019-05-28得票数 1
我的MacBook专业版没有NVIDIA图形处理器。所以不可能运行CUDA。我想知道哪些早期版本的TensorFlow支持Mac的图形处理器？那么我如何在Anaconda上安装呢？
浏览 2提问于2017-09-22得票数 3
我想安装和使用TensorFlow 2.0。我有一台装有Windows10的电脑，一颗Geforce GTX1080Ti图形处理器和一台不支持AVX的旧Intel Xeon X5660 CPU。 现在，我的问题是，每当我尝试在这台机器上运行任何TensorFlow代码时，都会出现DLL导入错误。我知道this repository为遗留TensorFlow提供了解决方案，但不幸的是，我在那里找不到任何CPU 2.0包。 任何帮助都将不胜感激。谢谢你。
浏览 76提问于2019-10-02得票数 12
回答已采纳
问题是，我不能让我的电脑在ubuntu系统上运行我的tensorflow-gpu。因为NVIDIA驱动不能安装在ubuntu.So上，所以我在Windows10上运行tensorflow-gpu，但它不支持tensorflow服务。我知道Docker可以帮助我做到这一点，而且我真的安装了它，但是只安装了tensorflow-cpu.如果我只运行tensorflow-cpu版本，速度会非常慢。在这种情况下，我提出了一个想法，我安装了两个tensorflow，一个是GPU版本和系统上，另一个是CPU版本在Docker.GPU版本上用于训练和保存模型，然后CPU版本加载保存的模型。我想知道的是，这种
浏览 1提问于2017-09-08得票数 0
为什么我的机器学习python/tensorflow脚本在colab上比24-vCPU的google计算实例运行得更快？
colab上的调用：!/content/myscript.py
google计算实例上的调用：!/home/prj1/myscript.py
colab上的纪元时间: 0.8秒
google计算实例上的纪元时间: 2.0秒
在这两种情况下，我使用的是tensorflow 1.11和Python2.7，myscript.py是唯一运行的程序，并且没有使用GPU。该脚本每10个时期在屏幕上显示训练进度(纯文本，无图形)。
浏览 3提问于2018-10-10得票数 1
我使用Radeon Pro 560X 4096 MB和英特尔超高清显卡630 1536 MB在我的MacBook专业版上运行一些python格式的Keras/tensorflow代码。要在运行神经网络代码时使用图形卡，我需要做些什么？
浏览 1提问于2019-03-04得票数 2
背景
我是TensorFlow的新开发人员。
系统规格：
i5-7200U CPU @ 2.50GHz×4
GeForce 940MX4GB
Ubuntu 18
我在Docker上运行TensorFlow (发现安装cuda的东西太复杂了，而且很长时间，可能我搞砸了)
基本上，我是在GPU和CPU上运行一种HelloWorld代码，并检查它会有什么样的差异，令我惊讶的是，几乎没有任何差别！
docker-compose.yml
version: '2.3'
services:
tensorflow:
# image: tensorflow/t
浏览 0提问于2018-11-18得票数 0
回答已采纳
我正在使用TensorFlow 2.0和Python3.6，Anaconda 3的Windows10上的Python训练我自己的模型。当我运行以下命令时： python train.py --logtostderr --train_dir=training/ --pipeline_config_path=training/faster_rcnn_inception_v2_pets.config 为了训练我的图像，它显示了Tensorflow Contrib模块将不会包含在TensorFlow 2.0中。我现在应该怎么处理TensorFlow？我需要升级或降级TensorFlow吗？我应该运行
浏览 253提问于2019-03-15得票数 4
在Tensorflow 2.0中，我们看到的主要“张量”实际上是EagerTensors (更准确地说是tensorflow.python.framework.ops.EagerTensor)：
x = [[2.]]
m = tf.matmul(x, x)
type(m)
# returns tensorflow.python.framework.ops.EagerTensor
但是，在某些情况下，我们有符号Tensor对象(tensorflow.python.framework.ops.Tensor)，就像TF1.X中的那样。
例如在角星中：
from tensorflow.keras.mo
浏览 0提问于2019-08-26得票数 11
这是我第二次经历tensorflow (gpu)的整个安装过程。这一次，当我在cmd activate tensorflow中运行时，如果我给python解释器提供以下测试代码：
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a
浏览 11提问于2017-06-28得票数 1
1回答
安装和使用Tensorflow
、、、、
开始学习tensorflow时，我真的很兴奋。但就像其他任何python库一样，我必须先安装它。因此，我在命令提示符中键入了以下pip命令：
pip install tensorflow
但当我这样做时，我得到了以下错误：
ERROR: Could not find a version that satisfies the requirement tensorflow
ERROR: No matching distributions found for tensorflow
但是当我搜索它时，我发现一些网站说tensorflow需要GPU，还有一些网站说我们不需要GPU来使用tensorflo
浏览 0提问于2021-03-19得票数 0
看看这个例子，我尝试用我的图形处理器来乘以两个tf.int32矩阵。
import tensorflow as tf
matrix1 = tf.constant([[3,3]])
matrix2 = tf.constant([[2],[2]])
with tf.device("/gpu:0"):
product = tf.matmul(matrix1,matrix2)
with tf.Session() as sess:
result = sess.run(product)
print(result)
它与上的示例类似
我得到了输出：
...
I t
浏览 3提问于2016-08-29得票数 0
回答已采纳
是否可以在TensorFlow2.0中运行冻结的图形？ 创建会话时观察到以下错误。 with tf.Session(graph=graph) as sess:
output_data = sess.run(y, feed_dict={x: test_images}) 会话:模块“”tensorflow“”没有属性“”AttributeError“” 完整的代码可以在这里找到。Colab notebook
浏览 15提问于2019-03-09得票数 1
回答已采纳
我正在用我的数据在tensorflow中为alexnet和googlenet寻找一个现成的multigpu算法。我找到了很多基准测试代码，比如convnet bench，。但没有什么能满足我的上述需求。例如，在caffe的情况下，我只需运行
caffe train --solver=googlenet.prototxt --gpu=0,1,2,3,4,5,6,7
类似地，对于CNTK，我运行
mpiexec -n <#workers> python AlexNet_ImageNet_Distributed.py -datadir myimages/
MXNet还为运行alexnet
浏览 1提问于2017-04-18得票数 0
下面是使用TensorFlow v2.0的代码
import tensorflow as tf
a = tf.constant(6.0, name = "constant_a")
b = tf.constant(3.0, name = "constant_b")
c = tf.constant(10.0, name = "constant_c")
d = tf.constant(5.0, name = "constant_d")
mul = tf.multiply(a, b , name = "mul
浏览 17提问于2019-11-14得票数 6
回答已采纳
当我尝试在我的anaconda环境中安装tensorflow-gpu时遇到了一个问题。
当我在导入tensorflow之后测试图形处理器的可用性时，似乎缺少.dll库(cusolver64_10.dll，通常随CUDA包提供)，测试失败。
从Google那里，我看到一个解决方案是从以前版本的CUDA中复制文件。这是正确的做法吗？
CUDA和CUDA DNN是按照Nvidia文档和测试正常安装的(关于CUDA文件夹中的示例)。
我的系统信息：
OS : Windows 10
Visual Studio Community 2019
Cuda toolkit : Cuda compilation
浏览 0提问于2020-12-14得票数 0
我是kaggle内核的初学者，我想使用kaggle内核的免费图形处理器来学习TensorFlow2.0，但是我不能用!pip install tensorflow-gpu==2.0.0-alpha0安装TensorFlow2.0。
浏览 64提问于2019-04-18得票数 1
我试图将计算卸载到Tensorflow中的GPU上，渴望在Google Colaboratory上执行，但由于Colab处理GPU的方式，我遇到了麻烦。
通常，当使用GPU时，您会将运行时更改为GPU加速的运行时，Tensorflow会自动使用可用的GPU进行计算。如果您尝试手动设置GPU，您会发现无法手动设置，因为连接的设备列表中没有GPU。
然而，如果GPU可用，那么急切执行并不会自动使用GPU，而且因为您不能手动设置GPU，所以似乎不能使用GPU。
请参阅附件中的笔记本：
尝试指定要使用的图形处理器时会抛出以下错误：RuntimeError: Error copying tensor t
浏览 2提问于2018-04-03得票数 2
服务器当前使用的是带有GLIBC2.12和tensorflow 1.14的CentOS 6.9。tensorflow抛出错误，说它需要GLIBC 2.15。 现在我想将tensorflow升级到2.0，但是在升级之前，我想知道在CentOS 6.9上tensorflow 2.0的GLIBC2.0版本是什么。 我似乎没有找到任何来源来说明这个兼容性问题。这里有人知道吗？
浏览 23提问于2020-01-03得票数 0
回答已采纳
我需要使用Tensorflow 2.0设置一个AWS EC2 GPU实例。我看到的所有文档都表明，当前的AWS AMI映像只支持Tensorflow 1.14或1.15，而不支持Tensorflow 2.0。因此，我想知道在AWS实例上获得Tensorflow-GPU2.0的最佳方法是什么。
我可以创建一个EC2 GPU实例，安装Nvidia驱动程序，然后使用nvidia-docker和Tensorflow 2.0.安装一个接口实例，或者使用Tensorflow 1.14安装一个AMI映像，然后升级到Tensorflow 2.0？目前尚不清楚哪种方法更有意义。
欢迎提出任何建议。
浏览 3提问于2019-11-08得票数 5
回答已采纳
我正在尝试将用TensorFlow1.13编写的现有代码(使用估计器)迁移到TensorFlow2.0，但我在尝试找到等效的API来冻结和输出图形以及输出.pb文件时遇到了问题。
在TensorFlow1.13中，estimator类有一个函数export_savedmodel，它接受一个模型路径和一个serving_input_receiver_fn。我在设置serving_input_receiver_fn时遇到了麻烦，因为它似乎接受占位符。但是，当迁移到TensorFlow2.0时，尽管存在相同的API，但由于将急切执行模型设置为默认值，占位符不能在急切执行模式下工作。
def e
浏览 23提问于2019-08-10得票数 3
我在一台使用nvidia Tesla K20c图形处理器的电脑上使用keras和tensorflow后端。(CUDA 8)
我正在训练一个相对简单的卷积神经网络，在训练期间我运行终端程序nvidia-smi来检查图形处理器的使用情况。正如您在以下输出中所看到的，GPU利用率通常显示在7%-13%左右
我的问题是:在CNN培训期间，GPU的使用率不是应该更高吗？这是否表明keras/tensorflow的GPU配置或使用情况不佳？
浏览 9提问于2017-06-15得票数 18
Ubuntu18.04，nvidia mx150，cuda10.1，tensorflow同时使用$ pip install tensorflow和$ pip install tensorflow-gpu安装。问题是它无法检测到GPU，但当尝试使用pytorch时，它可以检测到。似乎找不到问题所在。提前谢谢。
编辑1-我已经将CUDA_VISIBLE_DEVICES设置为0，我可以手动检测图形处理器，但tensorflow不能，我还没有尝试源构建选项。
浏览 0提问于2020-12-01得票数 2
我不知道这里发生了什么问题。安装TensorFlow-GPU 2.0后，遇到以下最小示例的问题：
import tensorflow as tf
if tf.test.is_gpu_available():
with tf.device("/gpu:0"):
tf_string_array = tf.constant(["TensorFlow", "Deep Learning", "AI"])
tf_string_array.device
在执行我的代码之后。我得到了这个错误：
RuntimeErr
浏览 2提问于2019-09-26得票数 3
这应该是直截了当的，但由于某些原因，我无法使其工作。我雇佣了一个带有Nvidea Tesla GPU的Softlayer Bare Metal Server。
我正在远程执行一个程序(openScad)，它需要OpenGL > 2.0才能正确地导出PNG文件。当我调用openScad并导出一个模型时，我得到一个0kb的png文件作为输出，这是一个明显的症状，表明OpenGL > 2.0支持不存在。
为了确保我运行的是openGL > 2.0，我通过RD连接到我的服务器并运行。令我惊讶的是，服务器只支持openGL 1.1。
经过一些研究，我发现对于标准的RD会话，没有使用图形
浏览 31提问于2015-03-14得票数 0
我已经构建并执行了，但是现在我想要生成另一个图。我需要先训练另一个数据集。我想使用。实际上，我想从imageNet下载所有的图片。我需要大约500‘ll。有一个脚本
我想知道在我运行这个脚本并获得大量的培训文件之后，它们会是jpegs吗？它们的格式是什么？因为我想使用结果(培训文件)来创建一个可以用tensorflow构建的图形。
如何使用初始脚本的结果来使用以下培训脚本创建一个图形：
cd /tensorflow
python tensorflow/examples/image_retraining/retrain.py \
--bottleneck_dir=/tf_files/bott
浏览 2提问于2017-04-30得票数 0
回答已采纳
在TensorFlow <2中，可以使用tf.keras.backend.function简洁地实现DDPG参与者的培训功能如下：
critic_output = self.critic([self.actor(state_input), state_input])
actor_updates = self.optimizer_actor.get_updates(params=self.actor.trainable_weights,
loss=-tf.keras.backend.mean(
浏览 5提问于2019-02-24得票数 4
我想在支持图形处理器的Colab上测试新的CUDA2.0预览版，但是，在单元上使用!pip install tf-nightly-gpu-2.0-preview安装TensorFlow之后，当我导入软件包时，我得到了错误：ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory，它指出了与平台上预先安装的CUDA2.0版本的一些不一致。
浏览 38提问于2019-01-17得票数 1
回答已采纳
我在linux上使用tensorflow后端运行keras。首先，我自己安装了tensorflow GPU版本，并运行以下代码来检查它是否在GPU上运行，并显示它正在运行的GPU、设备映射等。
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session wit
浏览 22提问于2017-07-18得票数 3
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
腾讯云开发者
