文章讲述了如何在使用tensorflow-gpu1.8.0和keras2.1.6的环境下，配合cuda9.0进行环境搭建。通过miniconda创建新环境并使用pip安装所需库，避免安装冲突。强调了tensorflow-gpu与CPU版本共存会导致GPU无法正常工作，以及利用FileZilla通过SSH上传数据集的步骤。
1.因为使用的框架是tensorflow-gpu1.8.0以及对应的keras2.1.6，所以对应的cuda版本为9.0，autodl下miniconda内置了cuda9.0，选择服务器显卡的时候就用miniconda(也就是一开始)
2.因为miniconda里缺少一些包，所以需要自己安装框架和函数库包
3.进入终端，新建环境，在新建环境里，使用pip安装keras和tensorflow-gpu，这里使用conda安装的话，会造成tensorflow和tensorflow-gpu同时存在，也会造成Numpy库的版本多余
4.如果运行代码，发现缺少包的话，就相应的用pip安装就好了
5.tensorflow如果存在cpu版本，则会调用GPU失败，导致在跑数据的时候很慢，就是损失函数下降以及迭代一次很慢
6.记得存储镜像，这样租用新实例，可以直接转移框架和一些函数包，省时省力
7.上传数据集文件之类的，选择用了FileZilla，点击文件-站点管理器，在主机和端口框中输入相应的地址以及密码，这个来自于Autodl的实例SSH，将其复制后，提取一串字符中-p后的端口以及主机，再复制密码，链接即可上传文件
扫一扫
2757
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
