Installer Tensorflow Avec Anaconda Dans Les Fenêtres
J'ai installé la nouvelle version de python 3. 6 avec l'anaconda paquet. Cependant, je ne suis pas en mesure d'installer tensorflow. Toujours recevoir le message d'erreur que est pas pris en charge de roue sur cette plate-forme. Installer tensorflow avec anaconda un. Comment puis-je installer tensorflow sur anaconda (python 3. 6)? Je devine que la cp35 indique que votre roue est pour CPython3. 5 -- L'autre version peut-être à vous mordre et google ne peut pas avoir publié une roue de 3, 6 encore. Il est possible que, pour le faire fonctionner, vous aurez besoin pour construire l'ensemble de la chose vous-même... Peut-être cela peut vous aider: Lien
Installer Tensorflow Avec Anaconda En
cuDNN v7. 0. 5 que vous pouvez télécharger ici. Sélectionnez le lien encadré en rouge. Dézippez le fichier téléchargé. Récupérez le fichier à l'endroit où vous avez dézippé votre archive et copiez-le dans le répertoire d'installation de CUDA Toolkit, par exemple C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9. 0\bin. De même, récupérez le fichier cudnn. h et copiez-le dans le répertoire C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9. 0\include. Et enfin, récupérez le fichier et copiez-le dans le répertoire C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9. 0\lib\x64. III. Installation de TensorFlow ▲ Vous avez deux façons d'installer TensorFlow sur votre machine. Soit vous voulez faire tourner TensorFlow dans un environnement virtuel, dans ce cas il vous faut installer Anaconda. Soit vous choisissez la méthode « native » pip qui installe directement TensorFlow sur votre machine. Installer tensorflow avec anaconda en. III-A. Installation avec pip ▲ Ici, nous verrons la méthode « native » pip. Avant d'installer TensorFlow, il faut installer Python 64-bit: Python 3.
Si vous ne connaissez pas votre modèle de carte graphique, on va le vérifier. Cliquez sur le menu démarrer de Windows, et commencez à taper "gestionnaire de périphériques". Lancez-le. Ensuite, cliquez sur adaptateurs graphiques (j'espère que c'est bien ça mon Windows est en anglais) pour voir le nom de votre carte: Identification de ma carte graphique dans le gestionnaire de périphériques de Windows 10 Ensuite, vérifiez que votre GPU est bien supporté par NVidia List des GPUs compatibles CUDA On voit que ma petite GeForce ne devrait finalement pas avoir à rougir face à la grosse Tesla V100, qui à une capacité de calcul de 7. 0! Cependant, un point crucial pour le deep learning sur GPU est la quantité de mémoire disponible sur la carte. En effet, plus votre réseau sera complexe et plus vous aurez besoin de RAM. Comment utiliser le GPU TensorFlow ? - Ethic Web. Et là, la V100 est clairement gagnante avec ses 16 GO de RAM, par rapport à ma GeForce et ses 4 GO. Étape 2: Les drivers À ce stade, vous avez une belle carte graphique qui va bien.