在服务器上搭建基于 GPU 的 keras 运行环境

  1. 安装依赖
  2. 测试

1、安装 anaconda,见 《Anaconda 安装》
2、配置一个虚拟环境,见 《使用 conda 进行包管理和环境管理》 环境管理 章节
3、在服务器上创建工作空间 cd ~ && mkdir mydemo
4、把项目上传上到 mydemo 下面
5、在新的虚拟环境下安装依赖(见下文)
7、执行程序 python demo-keras.py

安装依赖

1、安装 tesorflow (依照实际情况,二选一,本文是基于 GPU)

  • CPU 版本 pip install tensorflow
  • GPU 版本 pip install tensorflow_gpu

注意了,这个安装包很大,直接用 pip 安装可能会失败。

建议离线安装,参考 《PIP 使用手册》 离线安装依赖 章节

我这里下载的是 tensorflow_gpu-2.4.1-cp37-cp37m-manylinux2010_x86_64.whl

2、安装其他依赖

pip install keras
pip install Pillow

测试

import tensorflow as tf
print(‘GPU’, tf.test.is_gpu_available())


转载请注明来源。 欢迎对文章中的引用来源进行考证,欢迎指出任何有错误或不够清晰的表达。 可以在下面评论区评论,也可以邮件至 sharlot2050@foxmail.com。

文章标题:在服务器上搭建基于 GPU 的 keras 运行环境

字数:204

本文作者:夏来风

发布时间:2021-02-04, 22:27:01

原始链接:http://www.demo1024.com/blog/ai-ml-keras-deploy/

版权声明: "署名-非商用-相同方式共享 4.0" 转载请保留原文链接及作者。