安装tensorflow1.14+GTX1650+CUDA10.0+CUDNN7.6.5+VS2019+Anaconda3 遇到的一堆坑

最新推荐文章于 2024-04-19 21:13:29 发布
VIP文章 最新推荐文章于 2024-04-19 21:13:29 发布
阅读量3.3k 收藏 9
点赞数
分类专栏： 人工智能 文章标签： tensorflow 环境安装 问题解决方法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HUAWEIZHIZHE/article/details/104106351
版权

1.安装Anaconda3

下载anaconda3的安装包，可以到清华镜像库下载，也可以官网下载

安装时勾选上第一项，否则需在软件安装完成手动添加环境变量

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive

 

2.安装 Visual Studio 2019

微软官网直接下载安装

https://my.visualstudio.com/Downloads?q=Visual%20Studio%202019

由于我已经安装Anaconda3,所以安装时不需要选择python模块，有需要的可以选择，选择C++开发模块

 

3.驱动程序下载

选择自己的显卡型号安装最新驱动

https://www.nvidia.cn/Download/index.aspx?lang=cn

 

4.cuda版本下载

第一次默认装了cuda10.1，但是出现了最后的问题，所以改成10.0

https://developer.nvidia.com/cuda-toolkit-archive

最低0.47元/天 解锁文章
HUAWEIZHIZHE
关注
  • 0
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
win10 + NVIDIA GeForce RTX 2080 Ti + CUDA10.0 + cuDNN v7.6.5
01-20
win10 + NVIDIA GeForce RTX 2080 Ti + CUDA10.0 + cuDNN v7.6.5 配置教程 参考文献： 本文参考了一下文献： 显卡驱动版本号一定要与cuda版本号想对应,要不然tensorflow运行会报错： https://blog.csdn.net/qxqsunshine/article/details/96901952 RTX2080ti显卡+win10+安装Tensorflow-gpu： https://blog.csdn.net/macunshi/article/details/83374973 https://blog.csdn.net/Ca
在windows11环境下安装CUDA11.6+Anaconda3+pyToach1.13搭建炼丹炉
qq_1763467007的博客
06-26 3240
在windows11环境下安装CUDA11.6+Anaconda3+pyToach1.13搭建炼丹炉 目前2023.03出来的pyToach2.0是用不到了，因为最低版本支持CUDA11.7。我的显卡是1650，驱动达不到CUDA11.7的要求，因此安装不了11.7。
支持CUDA运算的显卡算力表
m0_63769180的博客
12-27 8947
GPUs supportedSupported CUDA level of GPU and card.AdaLovelace参考：https://en.wikipedia.org/wiki/CUDA
gtx1650显卡什么级别! GTX1650相当于什么显卡
热门推荐
sdsadwe的博客
09-03 1万+
GTX1650采用TU117-300（图灵架构）核心，12nm制程工艺，CUDA核心896个，显存类型DDR5和DDR6，显存频率8000MHz，显存位宽128bit，显存容量4GB，最大分辨率7680x4320，TDP功耗75W。gtx1650怎么样这些点很重要。gtx1650和gtx1060是差不多的性能，两者在平时使用中基本上看不出来什么区别，不过gtx1650当gtx1060晚出来一年，驱动更加适配，用起来更舒服一些，所以相比起来，还是建议大家购买gtx1650，性价比非常高。
win10,GTX1650配置cuda10.1，cudnn7.6.5，cv2环境参考
oneboardcomputer的博客
08-07 3630
解决1：pip install wrapt --ignore-installed。解决2：上网搜索anaconda添加镜像源，添加阿里云，豆瓣等。更新-----------------问题2 ：安装进度缓慢。，则GPU版本安装成功。豆瓣(douban)
拒绝访问的解决方法
runwuwushengxiyu的博客
08-23 769
拒绝访问的解决方法
CUDA 11.7 版本下安装Tensorflow-gpu以及Keras (Windows以及Ubuntu)
zxk_75的博客
02-02 1万+
​记录：在复现论文代码时碰到使用keras环境，于是在自己windows系统的台式机（RTX 3080；CUDA 11.7）上进行了安装，但是发现台式机的显存无法支持程序的运行。于是将一摸一样的环境配置到更大现存的Ubuntu服务器（CUDA 11.7）上，但配置环境出错，一直无法调用GPU。经过一天的摸索，从网上其他博客中找到答案，虽然不懂其中的道理，但先记录下来。
CUDA安装失败-Nsight compute安装失败-如何测试CUDA是否安装成功？Reason: VS** was not found
小坏蛋的博客
03-12 1万+
一、安装背景 CUDA11.1版本，本人的电脑显卡是GTX 1650，显存4GB；第一次安装前下载了vs2017版本并安装成功。 二、安装过程-如何一步步地解决错误？ 第一次安装：精简安装，也就是把所有组件都勾选，并且路径不改变。 第二次安装：自定义安装。 自定义安装的时候，去掉visual studio integration的勾选，其他都勾上，然后路径不变更，点击确认安装。 图1 而后，出现Nsight compute安装失败 。 图2 第三次安装，不勾选nsight co..
yolov4用1050ti_Windows下基于VS2019|Opencv4.2.0|CUDA10.0|YOLOv4
weixin_39820185的博客
02-22 430
一、安装VS2019由于我只需要用到C++相关功能，所以只勾选了C++那个选项，右侧【安装详细信息】那栏中默认就好了，安装路径可以修改，默认安装在C盘。如果以后有其他需求需要安装其他的，可以之打开Visual Studio Installer，点击【更多】----【修改】，勾选其他内容进行安装。考虑到以后可能会使用到VS2017或2015版本的项目，我还安装了MSVC v141和MSVC v140...
NVIDIA GTX 1650 适配的cuda11.4以及cudnn的安装
ZhangSanNNZ的博客
05-23 2131
（在NVIDIA控制面板的系统信息上查看到的cuda组件为cuda 11.4.141，与之适配的的cuda toolkit为11.4，下载链接为。（两个教程都看了，这个中文的简单易懂无问题）
vs2019+cuda10.0环境配置
Como0413的博客
11-03 2071
创建一个cuda的项目 配置cuda环境 1.项目 ---> 属性 ---> 所有配置（x64） ---> VC++目录 ---> 包含目录： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include 2.项目 ---> 属性 ---> 所有配置（x64） ---> VC++目录 ---> 库目录： C:\Program Files\NVIDIA GPU Computing
CUDA C10.1 对vs2019的模板
04-18
目前cuda最新版为cuda10.1，前几天安装后发现，对我的vs2019 enterprise版本并不支持(启动vs2019后无法找到对应的创建模板项)，经过查找，在官方回复下了解到因为cuda10.1出来时，vs2019还是preview，所以暂时不支持，CUDA 11才会修复。然后给出了这个可以临时使用的模板，我尝试了下，的确是可以使用的。具体使用方法:解压缩后打开工程，在菜单->项目，选择导出为模板，然后命名，之后你创建项目就可以采用这个CUDA模板了，就是这样(记得CUDA的环境变量配置先配置好，以及cuda的四个文件(跟这个模板没关系)位置复制到对应位置，具体的CSDN有博客讲过，可以搜一下，能帮的就这么多了，这个模板是肯定可用的，不能用的话得看看我前面说的CUDA环境和文件问题)。分享出来挣点分。
cuda10.0&cudnn7.6.5
04-12
刚在window10 64位系统配置了cuda10.0、cudnn7.6.5、tensorflow-gpu1.14。配置步骤见博文：https://blog.csdn.net/qq_40549606/article/details/115618125
win10 + RTX 2080 Ti + CUDA10.0 + cuDNN v7.6.5 + tensorflow-gpu-1.12.0 + keras2.2.4
01-06
win10 + RTX 2080 Ti + CUDA10.0 + cuDNN v7.6.5 的配置参考博客： https://blog.csdn.net/tpz789/article/details/103848529 （1）下载TensorFlow-gpu 这里下载的是网友推荐的GitHub上的地址：...
conda安装cuda10.1+cudnn7.6.5，conda安装深度学习gpu环境
09-28
conda安装cuda10.1+cudnn7.6.5，conda安装深度学习gpu环境
pytorch安装pytorch+gpu版本安装，pytorch+cuda10.1+cudnn7.6.5安装
09-28
pytorch安装pytorch+gpu版本安装，pytorch+cuda10.1+cudnn7.6.5安装
Tensorflow2.0笔记 - 使用卷积神经网络层做CIFA100数据集训练（类VGG13）
vivo01的专栏
04-19 145
本笔记记录CNN做CIFAR100数据集的训练相关内容，代码中使用了类似VGG13的网络结构，做了两个Sequetial（CNN和全连接层），没有用Flatten层而是用reshape操作做CNN和全连接层的中转操作。由于网络层次较深，参数量相比之前的网络多了不少，因此只做了10次epoch（RTX4090），没有继续跑了，最终准确率大概在33.8%左右。
框架搭建内容合成的描述
04-19
框架搭建内容合成的描述
【Godot4自学手册】第三十八节给游戏添加音效
最新发布
04-19
【Godot4自学手册】第三十八节给游戏添加音效
conda安装cuda10.1+cudnn7.6.5
07-15
### 回答1： 要在conda上安装CUDA 10.1和cuDNN 7.6.5，可以按照以下步骤进行操作： 1. 首先，确保已经安装了Anaconda或Miniconda。可以从官方网站（https://www.anaconda.com/）上下载适合您系统的版本，并按照安装指南进行安装。 2. 在终端或命令提示符中打开Anaconda Prompt或Miniconda Prompt。 3. 创建一个新的conda环境，可以通过执行以下命令创建一个名为“myenv”的环境，并选择Python版本（此处选择Python 3.7）： ```shell conda create -n myenv python=3.7 ``` 4. 激活新创建的conda环境： ```shell conda activate myenv ``` 5. 添加CUDA的conda存储库，可以通过执行以下命令添加官方的CUDA存储库： ```shell conda config --add channels conda-forge ``` 6. 安装CUDA 10.1和cuDNN 7.6.5，可以执行以下命令： ```shell conda install cudatoolkit=10.1 cudnn=7.6.5 ``` 7. 等待安装完成。conda会自动解析依赖关系并下载和安装所需的软件包。 8. 安装完成后，您可以通过执行以下命令验证CUDA和cuDNN的安装： ```shell nvcc --version # 检查CUDA版本 python -c "import torch; print(torch.cuda.is_available())" # 检查cuDNN是否可用 ``` 通过按照以上步骤，在conda上成功安装CUDA 10.1和cuDNN 7.6.5，并可以进行深度学习开发和GPU加速的工作。 ### 回答2： 要在conda上安装CUDA 10.1和cuDNN 7.6.5，可以按照以下步骤进行操作： 1. 首先，确保已经安装了conda。如果还没有安装，请先前往conda官方网站（https://docs.conda.io/en/latest/miniconda.html）下载并安装。 2. 打开终端（或Anaconda Prompt，或Anaconda Navigator的终端界面）。 3. 创建一个新的conda环境。可以通过以下命令创建并命名环境（比如cudatoolkit10_1）： ``` conda create -n cudatoolkit10_1 ``` 4. 激活新创建的环境： ``` conda activate cudatoolkit10_1 ``` 5. 安装CUDA 10.1。可以使用conda命令来安装： ``` conda install cudatoolkit=10.1 ``` 6. 安装cuDNN 7.6.5。首先，到NVIDIA官网（https://developer.nvidia.com/cudnn）下载相应版本的cuDNN。在下载完成后，进入cuDNN文件所在目录并解压缩文件。 7. 将解压缩后的文件复制到conda的环境路径中。可以使用以下命令将文件复制到合适的位置（‘path_to_cudnn_files’需要替换为你解压缩文件所在的路径）： ``` cp path_to_cudnn_files/include/cudnn.h path_to_conda/envs/cudatoolkit10_1/include/ cp path_to_cudnn_files/lib64/libcudnn* path_to_conda/envs/cudatoolkit10_1/lib/ ``` 8. 安装完成后，可以通过以下命令验证CUDA和cuDNN的安装情况： ``` conda list cudatoolkit conda list cudnn ``` 通过按照以上步骤操作，就可以在conda上成功安装CUDA 10.1和cuDNN 7.6.5。请注意，具体命令和路径需要根据自己的环境进行相应的调整。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值