石家庄站到石家庄北站,网站logo设计思路,wordpress导航栏改字体颜色,搜索引擎推广的基本方法有概述
GPflow 是一个基于TensorFlow 在 Python 中构建高斯过程模型的包。高斯过程是一种监督学习模型。
高斯过程的一些优点是#xff1a;
不确定性是高斯过程的固有部分。高斯过程可以在不知道答案时告诉您。适用于小型数据集。如果您的数据有限#xff0c;高斯过程可以从…概述
GPflow 是一个基于TensorFlow 在 Python 中构建高斯过程模型的包。高斯过程是一种监督学习模型。
高斯过程的一些优点是
不确定性是高斯过程的固有部分。高斯过程可以在不知道答案时告诉您。适用于小型数据集。如果您的数据有限高斯过程可以从您的数据中获得最大收益。可以扩展到大型数据集。不可否认尽管高斯过程可能需要大量计算但有一些方法可以将其扩展到大型数据集。
安装步骤
严格按照GPflow和TensorFlow官网说明的步骤安装。
创建虚拟环境
首先安装Anaconda或Miniconda添加环境变量在Anaconda Prompt(Anaconda3)或Anaconda Prompt(Miniconda3)中创建虚拟环境
conda create -n gpflow_env python3.9进入名为gpflow_env的虚拟环境
conda activate gpflow_env安装TensorFlow
NVIDIA显卡驱动
要安装TensorFlow并使用GPU功能首先要确保计算机上安装有NVIDIA显卡并且驱动版本大于450.80.02可在命令行中输入以下命令查看
nvidia-smi若无此命令则将C:\Program Files\NVIDIA Corporation\NVSMI路径添加到环境变量中命令输出结果为
Mon Nov 20 18:24:35 2023
---------------------------------------------------------------------------------------
| NVIDIA-SMI 546.17 Driver Version: 546.17 CUDA Version: 12.3 |
|-------------------------------------------------------------------------------------
| GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
||
| 0 NVIDIA GeForce MX150 WDDM | 00000000:01:00.0 Off | N/A |
| N/A 35C P0 N/A / ERR! | 0MiB / 2048MiB | 0% Default |
| | | N/A |
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
||
| No running processes found |
---------------------------------------------------------------------------------------驱动版本为546.17满足要求。若不满足需要去NVIDIA官网下载适合本机显卡的驱动程序安装。
CUDA和cuDNN
根据TensorFlow官网要求要确保GPU功能可用还需安装CUDA和cuDNN库官网提供了经过验证的对应版本。
但由于本文安装的是TensorFlow v2.10未在表中列出因此尝试使用conda安装最新版本的CUDA和cuDNN库。 在gpflow_env虚拟环境中输入以下命令安装了CUDA v12.0.0
conda config --append channels conda-forge
conda install cudatoolkit输入以下命令安装cuDNN v12.0.0
conda install cudnn安装TensorFlow
使用conda安装TensorFlow库安装了v2.10版本
conda install tensorflow确保TensorFlow的GPU可用
TensorFlow还可以使用GPU加速计算因此在gpflow_env虚拟环境中使用下面命令测试其GPU功能是否能使用。
python
import tensorflow as tf
print(Num GPUs Available: , len(tf.config.list_physical_devices(GPU)))
print(tf.reduce_sum(tf.random.normal([1000, 1000])))输出如下
Num GPUs Available: 0
2023-11-20 18:16:21.583531: I tensorflow/core/platform/cpu_feature_guard.cc:193] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2023-11-20 18:16:21.588117: I tensorflow/core/common_runtime/process_util.cc:146] Creating new thread pool with default inter op setting: 2. Tune using inter_op_parallelism_threads for best performance.
tf.Tensor(473.1806, shape(), dtypefloat32)这表明TensorFlow未使用GPU仅仅使用了CPU。也就是说当前环境下GPU不可用。
安装TensorFlow-GPU
使用pip安装tensorflow-gpu v2.10
pip install tensorflow-gpu2.10安装TensorFlow Probability
按照GPflow官方文档的要求需要安装TensorFlow Probability对应版本tensorflow-probability v0.18。但是在conda上Windows环境下最高只有v0.14版本的包。
conda search tensorflow-probability因此需要采用pip安装。
pip install tensorflow-probability0.18安装GPflow
由于conda上的最新GPflow版本为 v2.5.2版本较老而最新的GPflow版本为v2.9.0所以选择用pip安装最新版本gpflow v2.9.0。
pip install gpflow至此GPflow安装完成。
测试
GPflow是以TensoFlow为基础的包因此先测试TensorFlow是否正确安装再测试GPflow。
测试TensorFlow
在gpflow_env虚拟环境中依次输入以下命令不报错即为成功安装。
python
import tensorflow as tf测试TensorFlow的GPU是否可用
安装完成后在gpflow_env虚拟环境中使用下面命令测试其GPU功能是否能使用。
python
import tensorflow as tf
print(Num GPUs Available: , len(tf.config.list_physical_devices(GPU)))
print(tf.reduce_sum(tf.random.normal([1000, 1000])))输出如下
Num GPUs Available: 1
2023-11-20 20:08:56.973624: I tensorflow/core/platform/cpu_feature_guard.cc:193] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2023-11-20 20:08:57.731470: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1616] Created device /job:localhost/replica:0/task:0/device:GPU:0 with 1430 MB memory: - device: 0, name: NVIDIA GeForce MX150, pci bus id: 0000:01:00.0, compute capability: 6.1
tf.Tensor(-89.27661, shape(), dtypefloat32)GPU功能可以正常使用。
测试GPflow
在gpflow_env虚拟环境中依次输入以下命令不报错即为成功安装。
python
import gpflow参考资料
nvidia-smi显示不是内部或外部命令也不是可运行的程序 tensorflow官网 TensorFlow超极简安装——GPU版本的安装和测试 TensorFlow2 安装 官方推荐的环境配置 (GPU)、(Anaconda、CUDA、cuDNN) 从0安装tensorflow-gpu 使用 pip 安装 TensorFlow GPflow 2.9.0 documentation 使用 GPU 【Python】11 Conda常用命令
