Win10 VS2017+cuda10.0+python3.6. Tensorflow源码安装

最新推荐文章于 2024-07-25 17:01:46 发布
最新推荐文章于 2024-07-25 17:01:46 发布
阅读量7.4k 收藏 8
点赞数 2
文章标签： Tensorflw 源码安装 python
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/Rexran/article/details/83825623
版权
本文详细记录了在Win10系统中，使用Visual Studio 2017、CUDA 10.0和Python 3.6.6从源码编译安装Tensorflow的过程。涉及安装MSYS2、Bazel，配置环境变量，解决编译过程中遇到的问题，最终成功生成并安装Tensorflow库。
摘要由CSDN通过智能技术生成

Win10+VS2017+cuda10.0+python3.6.6 tensorflow源码安装

实验室的新项目需要用tensorflow，因此尝试了一下用源码编译最适合自己环境的库，断断续续历时4天，期间遇到众多大坑，好在github上大部分都能搜到解决方案。这里把自己遇到的问题集中总结一下。

Visual Studio 2017和Python

  1. 首先是编译器，VS2017，默认安装位置，由于安装VS的时候可以选择Python环境，所以同时在VS2017上安装了Python 3.6.6。这里需要注意在Visual Studio Installer 的单个组件中勾选 用于桌面 C++ [x86 和 x64]的 Windows 10 SDK (10.0.15063.0)（后面安装的CUDA10.0的例子需要该版本的SDK来编译）。

  2. 安装完成后，将Python.exe的路径添加到系统环境变量，如D:\Program Files (x86)\Microsoft Visual Studio\Shared\Python36_64；同时将Scripts的路径也添加，如D:\Program Files (x86)\Microsoft Visual Studio\Shared\Python36_64\Scripts。

  3. 打开cmd（我的cmd都是管理员模式），输入python检查是否安装成功。成功后可输入*exit()*退出python，然后使用以下命令安装相关phython 环境：

    pip3 install six numpy wheel
    pip3 install keras_applications1.0.5 --no-d

最低0.47元/天 解锁文章
Rexran
关注
  • 2
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
win10+VS2017+Cuda10.0环境配置详解
08-18
win10+VS2017+Cuda10.0环境配置是一种常用的深度学习和人工智能开发环境，本文将详细介绍如何在win10系统上配置VS2017和Cuda10.0环境。 一、安装和配置 1. 硬件支持：首先确定电脑的显卡是否支持Cuda安装。可以...
win10在cuda10.1下安装tensorflow-gpu 和theano配置gpu
weixin_43065202的博客
02-09 1069
@小菜菜子的安装血泪心得 2021年2月9日 因为新买了笔记本，所有的东西都要从头开始，就这样记录一下自己磕磕碰碰的安装心路历程。 为了配置成功看了很多很多博客、资料、视频一堆一堆的，最后就自己成功安装的各步骤总结一下。 学习并不可怕，可怕的是环境配置啊啊啊啊啊啊~ 写在之前的版本信息 在安装所有的东西之前，一定要先去tensorflow官网看看想安装的tensorflow-gpu对应的python、cuda和cudnn版本！！！ https://tensorflow.google.cn/install/s
GTX1650 + tensorflow 配置方法 ------Python-3.7+cudatoolkit-10.0.130+cudnn-7.6.0+tensorflow-gpu==1.13.1
taiyuezyh的博客
10-15 1678
最后，输入**print(tf.test.is_gpu_available())**查看GPU版本的tensorflow安装情况(True表示安装成功)。安装CUDNN.(7.6版本的CUDNN是和10.0版本的CUDA相匹配的)，结果如下。(1.13.1支持GTX1650)，结果如下。安装Python3.7的环境(遇到Y/N，全部选择Y)，得到如下的结果。全部安装完成后，我们重新启动Anaconda，输入。，获取可安装的cudnn版本号，得到结果如下图。首先，进入Anaconda，输入。
CUDA、cuDNN及pytorch详细安装教程
最新发布
ilvlearning的博客
07-25 580
炼丹前置条件，配置各种药材。
在CUDA10.1版本下安装tensorflow-gpu=1.15版本
黄小黄的窝
09-07 1万+
在CUDA10.1版本下安装tensorflow-gpu=1.15版本 一、前言 因为自己在实现yolo5的过程中其中所需要的的环境是cuda10.1但是在之前安装的是10.0，所以只有自己折腾一下。但是cuda10.1貌似很难安装tensorflow1.X版本，在查阅资料并亲测过之后写下。 二、电脑环境 1.win10专业版 2.CUDA=10.1 3.显卡=1080TI 4.vs2015 三、安装 1.具体的安装步骤就不在这做详细说明，具体可以去看https://blog.csdn.net/weixin
WIN10+CUDA10.1+torch+tensorflow-gpu=1.15.0安装时踩过的坑
Blddwkb的博客
04-01 9150
WIN10+CUDA10.1+CUDNN+torch+tensorflow-gpu安装踩过的坑CUDA+CUDNN的重新安装Tensorflow-gpu与torch兼容的问题总结： 这一整个周末都在踩坑的过程中，把我踩过的坑记录一下，也希望能帮到大家！ CUDA+CUDNN的重新安装 网上已经有很多CUDA与CUDNN安装的教程了，还有CUDA和显卡驱动匹配的细节，这里就不再多说了。主要说说踩过的...
TensorFlow-GPU==2.2.0 + cuda 10.1
weixin_42973547的博客
09-23 812
安装Tensorflow- GPU ==2.2.0 + cuda 10.1 服务器电脑上安装了cuda 10.1，试了很多版本的tensorflow-gpu，使用下面语句测试调用GPU，发现返回的都是false。 import tensorflow as tf tf.test.is_gpu_available() 原因是tensorflow的版本和cuda 10.1不匹配。 后来pip install tensorflow-gpu==2.2.0发现这个版本的tensorflow是与cuda 10.1是匹配的
tensorflow-gpu1.14 + Win10 + CUDA10.0 + CUDNN7.5.0 + Python3.6 + VS2015安装
01-21
一、整个软件安装配置过程，很多博客写的很详细，附上链接； https://blog.csdn.net/qq_36026791/article/details/88793488 https://blog.csdn.net/huanyingzhizai/article/details/89298964 二、安装完成后测试...
CUDA10.0.130适用的pytorch和torchversion版本
i_okfine的博客
10-27 1897
Pytorch安装
tensorflow-1.12支持cuda10.0
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.支持mkl,无MPI; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]:/home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： hp@dla:~/work/ts_compile/tensorflow$ bazel build --config=opt --config=mkl --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
ubuntu18.04+cuda10.1/10.0+cudnn10.1+tensorflow-gpu==2.0+python3.6安装，ImportError: libcublas.so.10.0解决
do it
11-07 666
一开始安装的是：ubuntu18.04+cuda10.1+cudnn10.1+tensorflow-gpu==2.0+python3.6，但import tensorflow的时候报错：ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory 看了很多文章，基本都是说tens...
cuda10.1下的pytorch、tensorflow1.版本、tensorflow2.版本安装
qq_40077736的博客
11-08 1569
从最开始装环境要几天到现在10分钟搞定，以下就是我的经验亲测可用不踩坑！
安装tensorflow GPU版本--tensorflow-gpu版本与CUDA版本对应关系（持续更新，目前到TF2.10.1）
热门推荐
sunmingyang1987的博客
11-02 11万+
一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错 （1）确定自己要安装哪个版本的tensorflow-gpu； （1）根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本； （2）根据要安装的CUDA版本确定要下载的Cudnn版本。 二、tensorflow-gpu版本与CUDA版本对应关系 不同版本的tensorflow-gpu与CUDA对应关...
在CUDA10.1版本下安装tensorflow-gpu=1.13.1版本
qq_43263543的博客
03-08 2455
安装 cuda10.1安装tensorflow-gpu的1版本会出现一些问题，应该在安装之前先输入 conda install cudatoolkit=10.0 在安装cudatoolkit之后再进行安装tensorflow就成功。 测试 import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello)) print(tf.test.is_gpu_avail
Win10+CUDA10.0.130＋cudnn7.4.1+tensorflow1.13.1+anaconda3 5.2.0+GTX1060
huibin.yun的博客
05-16 4122
Win10+CUDA10.0.130＋cudnn7.4.1+tensorflow1.13.1+anaconda3 5.2.0+GTX1060 安装环境： 系统：win10 1803 显卡:GTX1060 笔记本：微星GL63 我是参照下面博客，完成了CUDA10.0.130＋cudnn7.4.1+anaconda3 5.2.0 这个博客讲的...
安装tensorflow（python=3.6.5）
qq_44411601的博客
04-23 2300
1.创建python虚拟环境，设置python=3.6.5，命名为test C:\Users\luo>conda create --name test python=3.6.5 2.进入虚拟环境 activate test 3.从豆瓣源下载tensorflow，版本为1.15.0，cpu版本 pip install -i https://pypi.doubanio.com/sim...
win10+CUDA10.0/10.1+CUDNN10.1+tensorflow-gpu==2.0+python3.6安装
do it
10-26 1183
首先我不是在Anaconda下安装。 中间尝试过不同的组合，但都失败了，最后定的是下面的组合： win10 VS2017 CUDA10.1+CUDA10.0 CUDNN10.1 tensorflow2 gpu版 python3.6 一开始安装的是VS2019 community和CUDA10.1，装完tensorflow2发现没用，无法import，提示的意思就是找不到一些模块。 ...
opencv4.5.1+vs2017+win10+cuda10.0 + cudnn 7.6.0
07-04
### 回答1： OpenCV是一个开源的计算机视觉和机器学习库，可以方便地处理图像和视频。而CUDA（Compute Unified Device Architecture）是由NVIDIA开发的一种并行计算架构，可以加速图形处理器（GPU）上的计算任务。 OpenCV 4.5.1是OpenCV的一个版本，它提供了丰富的功能和算法，用于图像和视频处理、特征提取、目标检测等任务。这个版本可以在Windows 10操作系统上使用，并且可以与Visual Studio 2017集成，提供开发环境和调试工具。 CUDA 10.0是NVIDIA的一个版本，它支持NVIDIA GPU上的并行计算任务。它允许开发人员使用C语言、C++或CUDA自己的扩展语言编写并行计算代码，以加速计算密集型任务。例如，在图像处理中，可以使用CUDA加速OpenCV算法，从而提高计算性能。 而cuDNN（CUDA Deep Neural Network library）是NVIDIA专门为深度学习任务开发的一个库。它提供了一组高性能的深度神经网络的基本操作和优化算法，可以与CUDA和OpenCV结合使用。 综上所述，OpenCV 4.5.1可以与CUDA 10.0和cuDNN 7.6.0集成使用。开发者可以在Visual Studio 2017中使用这些工具和库进行图像处理和机器学习任务的开发和优化。通过使用CUDA加速，可以提高计算性能，而cuDNN可以提供深度学习任务所需的算法和操作。 ### 回答2： OpenCV 4.5.1是一个计算机视觉库，用于在计算机视觉和机器学习项目中进行图像和视频处理。VS2017是一个集成开发环境（IDE），用于Windows操作系统上的软件开发。CUDA（Compute Unified Device Architecture）是一个用于GPU计算的并行计算平台和API模型。CUDNN是NVIDIA深度神经网络库，用于在GPU上加速深度学习任务。 在Windows 10上使用VS2017来编译OpenCV 4.5.1，并在CUDA 10.0和CUDNN 7.6.0的支持下进行构建可以提供更好的计算性能和加速。CUDA 10.0提供了与CUDA架构和驱动程序的兼容性，并支持许多NVIDIA GPU。CUDNN 7.6.0是基于CUDA的深度神经网络库，可以加速深度学习任务的训练和推理。 使用VS2017编译OpenCV可以让开发者方便地在Windows平台上进行开发和调试。VS2017提供了强大的集成开发环境，它可以帮助开发者编写、调试和测试程序。通过配置CUDA 10.0和CUDNN 7.6.0来支持OpenCV的GPU加速，可以进一步提高图像和视频处理的速度和效率。 总结来说，使用OpenCV 4.5.1、VS2017、Windows 10、CUDA 10.0和CUDNN 7.6.0可以实现在Windows平台上的高效计算机视觉和机器学习开发。这种配置可以提供更好的性能和加速，特别是在需要处理大量图像和视频、进行深度学习任务的情况下。
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