Усердно пытался найти, как установить tensorflow_gpu вместе с рабочей средой JupyterLab???

Но не более. Ваш поиск окончен, и в этом простом руководстве по установке я расскажу вам о каждом шаге установки JupyterLab и tensorflow_gpu для вашего следующего большого проекта.

Внимательно следуйте этому руководству, чтобы установить все без ошибок.

Что вам понадобится: -

  • Установщик Python (для выполнения команд Python)
  • Установщик Node.js (для отсутствия ошибок относительно состояния сборки блокнотов Jupyter)
  • Инструментарий разработки CUDA(для запуска кода TensorFlow на графическом процессоре)
  • файл cuDNN (для доступа к архитектуре глубокого обучения)

Итак, приступим…

  1. Мы будем использовать Python 3.9.6. Итак, перейдите по ссылке: - https://www.python.org/downloads/ и загрузите последнюю версию установщика Python и установите его как обычно. Не забудьте установить флажок Добавить Python x.x в путь во время установки.
  2. Теперь посетите https://nodejs.org/en/download/ и загрузите установщик в зависимости от типа (Windows, Mac или Linux) и архитектуру операционной системы (32-разрядная или 64-разрядная). сильный>). Установите его как обычно.
  3. Мы установим tensorflow_gpu 2.5.0, и он будет отлично работать, если у нас есть CUDA 11.2 или выше и cuDNN 8.1 или выше. Как я узнал??? Просто посетите https://www.tensorflow.org/install/source_windows (для пользователей Windows) и прокрутите немного вниз, и вы увидите конфигурацию сборки tensorflow_gpu. . Теперь загрузите инструментарий разработки CUDA с https://developer.nvidia.com/cuda-downloads.

Примечание. Будет сказано, что «поддерживаемая версия Visual Studio не найдена». Хорошо, если у вас уже установлена ​​Visual Studio 2019. Не волнуйтесь, он будет работать без него.

4. Теперь загрузите библиотеку глубокой нейронной сети CUDA (cuDNN) с https://developer.nvidia.com/cudnn. Перейдите по ссылке и войдите, используя учетную запись Nvidia или Google. Затем загрузите его и распакуйте zip-файл. После извлечения вы увидите папку, а внутри этой папки вы увидите 3другие папки, а именно bin, include и библиотека. Просто скопируйте эти 3 папки внутрь этого C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.x.

5. Нажмите кнопку Windows на клавиатуре, найдите «изменить переменные среды» и щелкните первый результат. Дважды щелкните путь, затем новый и добавьте пути к папкам с именами bin и libnvvp:-

  • “C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin”
  • “C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp”

6. Пришло время перезагрузить компьютер или ноутбук…😊

7. Создайте папку внутри любого диска; допустим, выбранное вами имя папки CodeHub создано на диске D. Откройте командную строку, введя cmd в строке поиска, и измените каталог на эту папку, используя следующие команды:

  • D: (hit enter)
  • cd CodeHub (hit enter)

8. Теперь создайте виртуальную среду с помощью этой команды:

  • python -m venv MLEnv

Примечание. MLEnv — это имя виртуальной среды. Вы можете назвать его по своему выбору.

9. Обновите пункт: -

  • python -m pip install — upgrade pip

10. Скопируйте путь к файлу activate.bat, который находится в папке Scripts внутри папки MLEnv, и вставьте в cmd :-

  • “D:\CodeHub\MLEnv\Scripts\activate.bat” (hit enter)

Это активирует вашу виртуальную среду.

11. Теперь пришло время установить 2 вещи, которых мы так долго ждали…

  • pip install jupyterlab
  • pip install tensorflow_gpu=2.5.0

12. Теперь закройте командную строку. Откройте его снова и измените каталог на диск, на котором вы хотите открыть сервер JupyterLab с доступом к этому конкретному диску:

  • D: (hit enter)
  • jupyter-lab (hit enter)

Он откроет новую вкладку в вашем браузере по умолчанию, и теперь вы можете создать новую записную книжку в выбранном вами месте на этом конкретном доступном диске и начать кодирование.

Надеюсь, вы понимаете каждый пункт… Если есть какие-либо сомнения относительно процесса установки, пожалуйста, прокомментируйте ниже.

Я помогу вам обязательно!

✍Аджит Кумар Саху