python3.6+Anaconda3.4+tensorflow-gpu1.4+cuda8.0+cudnn6.0配置安装

最新推荐文章于 2024-09-24 15:57:20 发布
最新推荐文章于 2024-09-24 15:57:20 发布
阅读量1.9k 收藏 5
点赞数 3
分类专栏： 深度学习 心得体会 文章标签： CUDA cuDNN tensorflow安装匹配关系 tensorflow安装错误解决办法 ImportError: DLL load failed
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/Turbo_Come/article/details/86557987
版权

我安装的是python 3.7，但配置的是python3.6的环境。

事先安装Anaconda3.4，Visual Studio 2015，这样可支持高版本的tensorflow-gpu。

conda create –n nlp3 python=3.6nlp3是虚拟环境名（可自己随便取）。

我配的是tensorflow-gpu==1.4.0版，做深度学习需要大量的计算，如果自己电脑配置可以的话，最好按tensorflow-gpu.以下是可以安装tensorflow-gpu版的显卡要求：

查看自己显卡型号：

cat /proc/driver/nvidia/version

Nvidia官网：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

显卡与CUDA匹配关系：

各各显卡计算能力：

 

安装CUDA8.0及CUDNN6.0

CUDA安装URL传送门https://developer.nvidia.com/cuda-downloads

CUDNN的ZIP下载到https://developer.nvidia.com/cudnn

以下是cuda+cudnn+tensorflow-gpu版本对应关系。在此处我吃了好大的亏，先是下的最新版的cuda+cudnn，然而发现，无论对应那个版本的tensorflow-gpu，都无法运行，也可能是我能力有限（哭）。所以大家最好选一下对应版本来下载安装。

tensorflow-gpu v1.9.0 | cuda9.0 |  cuDNN7.1.4可行  | 备注：7.0.4/ 7.0.5/ 7.1.2不明确tensorflow-gpu v1.8.0 | cuda9.0 |  cuDNN  不明确 | 备注：7.0.4/ 7.0.5/ 7.1.2/ 7.1.4

tensorflow-gpu v1.7.0 | cuda9.0 |  cuDNN  不明确 | 备注：7.0.4/ 7.0.5/ 7.1.2/ 7.1.4

tensorflow-gpu v1.6.0 | cuda9.0 |  cuDNN  不明确 | 备注：7.0.4/ 7.0.5/ 7.1.2/ 7.1.4

tensorflow-gpu v1.5.0 | cuda9.0 |  cuDNN  不明确 | 备注：7.0.4/ 7.0.5/ 7.1.2/ 7.1.4

tensorflow-gpu v1.4.0 | cuda8.0 |  cuDNN 6.0 | 备注：6.0正常使用, 7.0.5不能用，5.1未知

tensorflow-gpu v1.3.0 | cuda8.0 |  cuDNN 6.0 | 备注：6.0正常使用, 7.0.5不能用，5.1未知

tensorflow-gpu v1.2.0 | cuda8.0 |  cuDNN 5.1 | 备注：5.1正常使用, 6.0/ 7.0.5 未知

tensorflow-gpu v1.1.0 | cuda8.0 |  cuDNN 5.1 | 备注：5.1正常使用, 6.0/ 7.0.5 未知

以下是python版本cup/gpu,需要的VS版本，cuda/cuDNN的版本，对应关系：

尽量保持与下表一直，各各版本的tensorflow,在github上的地址：https://github.com/fo40225/tensorflow-windows-wheel.git

PathCompilerCUDA/cuDNNSIMDNotes
1.13.1\py37\CPU\sse2VS2017 15.9Nox86_64Python 3.7
1.13.1\py37\CPU\avx2VS2017 15.9NoAVX2Python 3.7
1.13.1\py37\GPU\cuda101cudnn75sse2VS2017 15.910.1.105_418.96/7.5.0.56x86_64Python 3.7/Compute 3.0
1.13.1\py37\GPU\cuda101cudnn75avx2VS2017 15.910.1.105_418.96/7.5.0.56AVX2Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.12.0\py36\CPU\sse2VS2017 15.8Nox86_64Python 3.6
1.12.0\py36\CPU\avx2VS2017 15.8NoAVX2Python 3.6
1.12.0\py36\GPU\cuda100cudnn73sse2VS2017 15.810.0.130_411.31/7.3.1.20x86_64Python 3.6/Compute 3.0
1.12.0\py36\GPU\cuda100cudnn73avx2VS2017 15.810.0.130_411.31/7.3.1.20AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.12.0\py37\CPU\sse2VS2017 15.8Nox86_64Python 3.7
1.12.0\py37\CPU\avx2VS2017 15.8NoAVX2Python 3.7
1.12.0\py37\GPU\cuda100cudnn73sse2VS2017 15.810.0.130_411.31/7.3.1.20x86_64Python 3.7/Compute 3.0
1.12.0\py37\GPU\cuda100cudnn73avx2VS2017 15.810.0.130_411.31/7.3.1.20AVX2Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.11.0\py36\CPU\sse2VS2017 15.8Nox86_64Python 3.6
1.11.0\py36\CPU\avx2VS2017 15.8NoAVX2Python 3.6
1.11.0\py36\GPU\cuda100cudnn73sse2VS2017 15.810.0.130_411.31/7.3.0.29x86_64Python 3.6/Compute 3.0
1.11.0\py36\GPU\cuda100cudnn73avx2VS2017 15.810.0.130_411.31/7.3.0.29AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.11.0\py37\CPU\sse2VS2017 15.8Nox86_64Python 3.7
1.11.0\py37\CPU\avx2VS2017 15.8NoAVX2Python 3.7
1.11.0\py37\GPU\cuda100cudnn73sse2VS2017 15.810.0.130_411.31/7.3.0.29x86_64Python 3.7/Compute 3.0
1.11.0\py37\GPU\cuda100cudnn73avx2VS2017 15.810.0.130_411.31/7.3.0.29AVX2Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.10.0\py36\CPU\sse2VS2017 15.8Nox86_64Python 3.6
1.10.0\py36\CPU\avx2VS2017 15.8NoAVX2Python 3.6
1.10.0\py36\GPU\cuda92cudnn72sse2VS2017 15.89.2.148.1/7.2.1.38x86_64Python 3.6/Compute 3.0
1.10.0\py36\GPU\cuda92cudnn72avx2VS2017 15.89.2.148.1/7.2.1.38AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.10.0\py27\CPU\sse2VS2017 15.8Nox86_64Python 2.7
1.10.0\py27\CPU\avx2VS2017 15.8NoAVX2Python 2.7
1.10.0\py27\GPU\cuda92cudnn72sse2VS2017 15.89.2.148.1/7.2.1.38x86_64Python 2.7/Compute 3.0
1.10.0\py27\GPU\cuda92cudnn72avx2VS2017 15.89.2.148.1/7.2.1.38AVX2Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.9.0\py36\CPU\sse2VS2017 15.7Nox86_64Python 3.6
1.9.0\py36\CPU\avx2VS2017 15.7NoAVX2Python 3.6
1.9.0\py36\GPU\cuda92cudnn71sse2VS2017 15.79.2.148/7.1.4x86_64Python 3.6/Compute 3.0
1.9.0\py36\GPU\cuda92cudnn71avx2VS2017 15.79.2.148/7.1.4AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.9.0\py27\CPU\sse2VS2017 15.7Nox86_64Python 2.7
1.9.0\py27\CPU\avx2VS2017 15.7NoAVX2Python 2.7
1.9.0\py27\GPU\cuda92cudnn71sse2VS2017 15.79.2.148/7.1.4x86_64Python 2.7/Compute 3.0
1.9.0\py27\GPU\cuda92cudnn71avx2VS2017 15.79.2.148/7.1.4AVX2Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.8.0\py36\CPU\sse2VS2017 15.4Nox86_64Python 3.6
1.8.0\py36\CPU\avx2VS2017 15.4NoAVX2Python 3.6
1.8.0\py36\GPU\cuda91cudnn71sse2VS2017 15.49.1.85.3/7.1.3x86_64Python 3.6/Compute 3.0
1.8.0\py36\GPU\cuda91cudnn71avx2VS2017 15.49.1.85.3/7.1.3AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.8.0\py27\CPU\sse2VS2017 15.4Nox86_64Python 2.7
1.8.0\py27\CPU\avx2VS2017 15.4NoAVX2Python 2.7
1.8.0\py27\GPU\cuda91cudnn71sse2VS2017 15.49.1.85.3/7.1.3x86_64Python 2.7/Compute 3.0
1.8.0\py27\GPU\cuda91cudnn71avx2VS2017 15.49.1.85.3/7.1.3AVX2Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.7.0\py36\CPU\sse2VS2017 15.4Nox86_64Python 3.6
1.7.0\py36\CPU\avx2VS2017 15.4NoAVX2Python 3.6
1.7.0\py36\GPU\cuda91cudnn71sse2VS2017 15.49.1.85.3/7.1.2x86_64Python 3.6/Compute 3.0
1.7.0\py36\GPU\cuda91cudnn71avx2VS2017 15.49.1.85.3/7.1.2AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.7.0\py27\CPU\sse2VS2017 15.4Nox86_64Python 2.7
1.7.0\py27\CPU\avx2VS2017 15.4NoAVX2Python 2.7
1.7.0\py27\GPU\cuda91cudnn71sse2VS2017 15.49.1.85.3/7.1.2x86_64Python 2.7/Compute 3.0
1.7.0\py27\GPU\cuda91cudnn71avx2VS2017 15.49.1.85.3/7.1.2AVX2Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.6.0\py36\CPU\sse2VS2017 15.4Nox86_64Python 3.6
1.6.0\py36\CPU\avx2VS2017 15.4NoAVX2Python 3.6
1.6.0\py36\GPU\cuda91cudnn71sse2VS2017 15.49.1.85.3/7.1.1x86_64Python 3.6/Compute 3.0
1.6.0\py36\GPU\cuda91cudnn71avx2VS2017 15.49.1.85.3/7.1.1AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.6.0\py27\CPU\sse2VS2017 15.4Nox86_64Python 2.7
1.6.0\py27\CPU\avx2VS2017 15.4NoAVX2Python 2.7
1.6.0\py27\GPU\cuda91cudnn71sse2VS2017 15.49.1.85.2/7.1.1x86_64Python 2.7/Compute 3.0
1.6.0\py27\GPU\cuda91cudnn71avx2VS2017 15.49.1.85.2/7.1.1AVX2Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.5.0\py36\CPU\avxVS2017 15.4NoAVXPython 3.6
1.5.0\py36\CPU\avx2VS2017 15.4NoAVX2Python 3.6
1.5.0\py36\GPU\cuda91cudnn7avx2VS2017 15.49.1.85/7.0.5AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.5.0\py27\CPU\sse2VS2017 15.4Nox86_64Python 2.7
1.5.0\py27\CPU\avxVS2017 15.4NoAVXPython 2.7
1.5.0\py27\CPU\avx2VS2017 15.4NoAVX2Python 2.7
1.5.0\py27\GPU\cuda91cudnn7sse2VS2017 15.49.1.85/7.0.5x86_64Python 2.7/Compute 3.0
1.5.0\py27\GPU\cuda91cudnn7avx2VS2017 15.49.1.85/7.0.5AVX2Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.4.0\py36\CPU\avxVS2017 15.4NoAVXPython 3.6
1.4.0\py36\CPU\avx2VS2017 15.4NoAVX2Python 3.6
1.4.0\py36\GPU\cuda91cudnn7avx2VS2017 15.49.1.85/7.0.5AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.3.0\py36\CPU\avxVS2015 Update 3NoAVXPython 3.6
1.3.0\py36\CPU\avx2VS2015 Update 3NoAVX2Python 3.6
1.3.0\py36\GPU\cuda8cudnn6avx2VS2015 Update 38.0.61.2/6.0.21AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
1.2.1\py36\CPU\avxVS2015 Update 3NoAVXPython 3.6
1.2.1\py36\CPU\avx2VS2015 Update 3NoAVX2Python 3.6
1.2.1\py36\GPU\cuda8cudnn6avx2VS2015 Update 38.0.61.2/6.0.21AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
1.1.0\py36\CPU\avxVS2015 Update 3NoAVXPython 3.6
1.1.0\py36\CPU\avx2VS2015 Update 3NoAVX2Python 3.6
1.1.0\py36\GPU\cuda8cudnn6avx2VS2015 Update 38.0.61.2/6.0.21AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
1.0.0\py36\CPU\sse2VS2015 Update 3Nox86_64Python 3.6
1.0.0\py36\CPU\avxVS2015 Update 3NoAVXPython 3.6
1.0.0\py36\CPU\avx2VS2015 Update 3NoAVX2Python 3.6
1.0.0\py36\GPU\cuda8cudnn51sse2VS2015 Update 38.0.61.2/5.1.10x86_64Python 3.6/Compute 3.0
1.0.0\py36\GPU\cuda8cudnn51avx2VS2015 Update 38.0.61.2/5.1.10AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
0.12.0\py35\CPU\avxVS2015 Update 3NoAVXPython 3.5
0.12.0\py35\CPU\avx2VS2015 Update 3NoAVX2Python 3.5
0.12.0\py35\GPU\cuda8cudnn51avx2VS2015 Update 38.0.61.2/5.1.10AVX2Python 3.5/Compute 3.0,3.5,5.0,5.2,6.1

 

下载好后点击安装，这个安装跟NVIDIA独显驱动安装界面很像，进入到选项时一般选择自定义安装（不要选那个精简），然后自定义安装只要安装第一项CUDA即可，下面三个分别是独显驱动，3D Vision，Physx ，安装过程中还可以修改CUDA Development、Sample、Documentory的安装路径，如果你觉得自己的C盘没问题那就默认它的路径，否则你可以考虑把他们全部装到同一个目录下（我是全部安装在D:\MyDrivers\CUDA_three目录下，Sample你可以单独放一个地方，它貌似不是很重要，其他两个的内容可以并在一起放）。

安装好后把Samples单独放在Samples文件夹下，其他两个的内容在当前文件夹中，并且去把C:\Program File\NVIDIA GPU Computing Toolkit\CUDA\v8.0文件夹下的所有东西也搬过来的结果（那个zip是CUDNN，之后会下。如果感觉麻烦就直接用默认路径，这样可以省事也可以少设置一点环境变量）

NVIDIA的下载要注册账号才能下载（免费）。这个比较简单，大家去下载上面提到的V6.0.*版本即可，下好是一个ZIP，解压后里面有三个文件夹，每个文件夹下都是只有一个名为CUDNN.*的文件，大家只需要把这三个文件夹复制，然后复制到D:\MyDrivers\CUDA_three即可（因为是同名文件夹会自动合并，不放心可以分别把三个CUDNN.*剪切复制到该目录下对应文件夹里即可）。

以下是对应文件夹的内容截图：

之后要配置环境变量（如果你默认的安装路径则可省去了）

添加变量名，和相应地址如下：

在path中添加：

 

然后检验一下CUDA及CUDNN是否安装好：打开CMD，输入nvcc -V回车：

安装Tensorflow-GPU：

利用Google提供的镜像完成了Tensorflow-GPU的安装。里面有各种操作系统和对应的python版本，这里是传送门：https://tensorflow.google.cn/install/pip

例如选择：https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

然后去Anaconda Prompt中

pip install https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl即可

tensorflow-gpu-1.12.0可以改成1.4.0 或其他版本。

之后在pycharm中，可选择相应的环境：

在pycharm中即可运行了。。。

 

如果你的CPU不支持AVX指令集，则会出项以下错误：ImportError: DLL load failed: A dynamic link library (DLL) initialization routine failed. (Win 10) or ImportError: DLL load failed with error code -1073741795 (Win 7)

对于ImportError: DLL load failed:......等的各种错误问题

可能是以下几方面：

1.事先没有安装VS，（在安装VS时，只需选择C++的插件即可（若不需要其他插件））

2.安装的CUDA版本与自己的显卡类型不匹配，这个在事先安装前，一定要确定自己的显卡支持的CUDA版本，最好按上图的对应关系

3.安装的tensorflow与CUDA版本不匹配，（注意：最好使用Anaconda去安装tensorflow,这样可避免tensorflow与当前环境匹配问题）

若在运行时出现如下问题：

>>> sess = tf.Session()
2019-01-19 16:13:58.590465: I C:\users\nwani\_bazel_nwani\mmtm6wb6\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1435] Adding visible gpu devices: 0
2019-01-19 16:13:58.603528: E C:\users\nwani\_bazel_nwani\mmtm6wb6\execroot\org_tensorflow\tensorflow\core\common_runtime\direct_session.cc:154] Internal: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "D:\Program\NLP_jar\Miniconda\envs\nlp2\lib\site-packages\tensorflow\python\client\session.py", line 1560, in __init__
    super(Session, self).__init__(target, graph, config=config)
  File "D:\Program\NLP_jar\Miniconda\envs\nlp2\lib\site-packages\tensorflow\python\client\session.py", line 633, in __init__
    self._session = tf_session.TF_NewSession(self._graph._c_graph, opts)
tensorflow.python.framework.errors_impl.InternalError: Failed to create session.

解决方案：输入以下命令
>>> set CUDA_VISIBLE_DEVICES=''

 

Turbo_Come
关注
专栏目录
win10 python3.6 安装配置tensorflow-gpu 一文看懂
gdc6916的博客
04-08 3万+
一文看懂win10下安装配置tensorflow 废话不多说，直接上干货，发车！ 前提： 前提： 前提： 电脑带NVIDIA的独显 1.敲黑板，tensorflow安装简单，配置难，难在工具的版本对应性上，一定要严格对应！！！ 下图为tf对照表，最新情况见this 2.tensorflow的版本的选择 ...
深度学习环境配置：Ubuntu+anaconda+cuda8.0+cuDNN7.2.1+ pytorch源码安装+及过程中出现的错误和解决办法
m0_37644085的博客
03-28 8594
我是想安装pytorch。需要用anaconda(比较强大) NVIDIA CUDA 7.5 or above NVIDIA cuDNN v6.x or above 由于anaconda比较简单。本文重点说明CUDA、cuDNN和pytorch的安装，可直接看对应部分。 ps：如果你们配置成功了或者出现了什么问题，希望能留下言啊，我可以改正，以防误导。 ps：可以用pip安...
配置Tensorflow使用GPU加速（Tensorflow2.6.0，Python3.6-3.9，CUDA11.2，cuDNN8.1）
m0_68167270的博客
06-04 3802
对于刚使用Tensorflow的朋友来说，配置环境并使用GPU进行加速也是件令人头疼的事情，纯自己折腾会遇到比较多的坑，我对我安装Tensorflow的过程进行总结，我所安装的Tensorflow版本是2.6.0，与之对应的Python为3.6-3.9，CUDA为11.2，cuDNN为8.1。
Anaconda+CUDA+Pycharm虚拟环境配置（windows下深度学习环境配置）
最新发布
AUURA的博客
09-24 1509
Anaconda是一个用于科学计算的 Python 发行版，支持Linux、Mac、Windows操作系统。包含conda、Python等190多个科学包及其依赖项。它便于获取和管理包，包括python和许多常用软件库（如numpy、pandas等）以及包管理器conda。它使安装比常规python安装容易，并对环境进行统一管理。为什么我们要用anaconda？​ 好问题，刚开始入门的时候不明白这个软件是干什么用的，存在许多疑惑。
cuda8.0+cudnn6.0+python3.5+pip_for_win10亲测可用，救急
10-31
内含cuda8.0、cudnn6.0、python3.5以及安装教程，win10亲测可用，由于文件大于110M，故上传百度云链接，大家下载下来的是百度云分享链接和密码，然后再用百度云下载即可
win10 + python3.6 + tensorflow-gpu 1.8 下安装 CUDA9.0 +CUDNN7.1.4
求是
09-03 2524
1.使用anaconda创建tensorflow环境，我的笔记本有块gtx 765显卡，所以使用的是tensorflow gpu，并更新到1.8版本 2.官网更新最新显卡驱动，安装cuda9.0   CUDA是NVIDIA推出的运算平台，tensorflow-gpu版运行必须需要该环境，目前支持9.0（似乎9.1也支持），下载地址：https://developer.nvidia.com/...
python3.5+tensorflow1.4-gpu+cuda8.0+cudnn6.0超详细安装
旧时佑忆的空间
02-26 562
安装环境是windows10下的pycharm2017社区版（当然其他更新的版本也可以使用），需要提前准备python3.5 tensorflow1.4GPU版本加上cuda8.0和cudnn6.0的几个包，笔者将这些通通打包在如下的百度云盘中。 https://pan.baidu.com/s/1jFp_5j1TQ-_JqvFV0M20Gw 密码：nwzw 第一步：安装pycharm同时安...
深度学习（TensorFlow）环境搭建：（二）Ubuntu16.04+CUDA9.0+cuDNN7+Anaconda5.1+Python3.6+TensorFlow1.7
fnhc462354756的专栏
04-22 1415
一、安装CUDA　　CUDA(Compute Unified Device Architecture)，是英伟达公司推出的一种基于新的并行编程模型和指令集架构的通用计算架构，它能利用英伟达GPU的并行计算引擎，比CPU更高效的解决许多复杂计算任务，想使用GPU就必须要使用CUDA。1.1、下载CUDA　　首先在官网（https://developer.nvidia.com/cuda-toolkit...
离线安装Ubuntu16.04 NVIDIA1060显卡驱动 CUDA9.0 CUDNN7.0 anaconda TensorFlow-GPU pycharm opencv-python opencv
小零件儿的博客
09-25 979
离线安装Ubuntu16.04 NVIDIA1060显卡驱动 CUDA9.0 CUDNN7.0 anaconda TensorFlow-GPU pycharm opencv-python opencv-contrib-python pytorch clion qt5 OpenCV3.3.1教程 注：用word编辑的，文章太长实在是不想再编辑了,编号没对上，上传了教程的word版本，每个步骤都附了...
【WSL2笔记2】 搭建深度学习开发环境踩坑笔记 Ubuntu+CUDA+cuDNN+PyTorch+Tensorflow+ONNX
老富的博客
04-06 2849
错误的结果就是配置的所有虚拟环境都以base的python版本运行，无法配置每个虚拟环境使用不同python版本，失去了虚拟环境意义。至此，适用PyTorch、Tensorflow、cuDNN框架的深度学习开发环境搭建完成。WSL 上的 CUDA 用户指南。安装protobuf 3.2版本。Anaconda官网版本档案。下载Anaconda安装包。创建Python虚拟环境。设置Anaconda路径。需要注册账号登录下载。通过SSH传送WSL。
ubuntu 安装TensorFlow(GPU版)（超详细，超简单）
Zdx
01-20 1万+
0、概述 1、CUDA8.0安装 1.1 下载安装包 1.2 安装CUDA 2、CUDNN6.0安装 2.1 下载CUDNN6.0并安装 2.2 检验安装是否成功 3、Anaconda 的安装 3.1 Anaconda下载 3.2 Anaconda安装 3.3 Anaconda换源 3.4 验证一下是否安装成功 4、TensorFlow的安装 4.1 建立con...
win10+vs2017+python3.6+tensorflow1.8-gpu+cudnn 安装及使用遇到的问题
lsjweiyi的博客
05-16 2710
win10下安装tensorflow-gpu版总是容易出问题，gpu为1050ti，记录下： 第一步：安装VS2017,去官网下载安装就行了https://www.visualstudio.com/zh-hans/thank-you-downloading-visual-studio/?sku=Community&amp;amp;amp;rel=15，安装时选择c++通用开发和Python开发，并在右边选择Py...
tensorflow（一）windows 10 64位安装tensorflow1.4与基本概念解读tf.global_variables_initializer
IT届的小学生
01-03 7035
一.安装目前用了tensorflow、deeplearning4j两个深度学习框架， tensorflow 之前一直支持到python 3.5,目前以更新到３.６，故安装最新版体验使用。 慢慢长征路：安装过程如下 ＷＩＮ１０： anaconda3.5: PYTHON3.6: tensorflow1.4: 二.TensorFlow 基本概念与原理理解 １.TensorFlow 的工作原
【用于图像修复、数据增强等】结合官方代码教程，在Windows 10下运行pix2pix-tensorflow（tensorflow==1.4.0 python=3.6）
孟孟单单的博客
11-22 1579
【用于图像修复、数据增强等】结合官方代码教程，在Windows 10下运行pix2pix-tensorflow（tensorflow==1.4.0 python=3.6）
tensorflow不同版本对应的Python 版本,cuDNN版本,CUDA版本
littlehaes的博客
09-06 1万+
welcome to my blog 原图地址 Linux下的对应版本 macOS下的对应版本
下载安装Anaconda及tensorflow1.4教程（自用）
zjj_learning_path的博客
09-13 1300
下载安装Anaconda及tensorflow教程
离线配置Anaconda3+tensorflow-gpu1.4.0+cuda8.0+cudnn6.0
weixin_30372371的博客
03-14 596
1.首先下载anaconda3 ----从官网上下载Anaconda3-5.1.0-Linux-x86_64.sh 直接通过命令 bashAnaconda3-5.1.0-Linux-x86_64.sh 安装 安装到检测联网时候推出，安装结束 2.更改环境目录，将conda命令和pip更改为anaconda的conda和pip cd ~ vim .bashrc 在后面添加路径：...
Ubuntu18.04 Torch7 和 cuda8.0+cudnn6.0 + Anaconda3下安装tensorflow1.4-gpu 环境配置
笔记
10-18 2093
前言： 需要跑论文里Torch7技术的代码 ，后来又有安装tensorflow需求,加起来遇到各种问题折腾快一周，踩很多坑后，有些经验记下来供后来人参考。 主要遇到BUG： cuda10.0版本在luarocks install cutorch，cudnn会失败，换成cuda8.0就弄好了。 cuda8 与 cdnn7搭配起来不能适配与tensorflow1.4 cuda8.0 只能支持gcc ...
windows10 安装tensorflow1.4（GPU版本）安装详细教程（问题解惑）
热门推荐
亲历者的博客
09-01 1万+
安装tensorflow（GPU）较tensorflow(CPu)复杂，其中还要额外下载cuda与cuddn。网上类似的教程很多，然而随着更新迭代，很多教程都出现了很多问题，踩了许多坑，给大家分享下。 配置要求： python3.5 cuda8.0 cuddn V6 anaconda3 注意 tensorflow（GPU）官方要求的cuda是8.0，cuddn是v6, 现在Nvidia...
ANACONDA+Cuda/cuDNN+Tensorflow-gpu与Keras安装详解PPT
本PPT详细介绍了如何在ANACONDA环境中集成CUDA及cuDNN，以便于在TensorFlow-gpu版本上进行深度学习开发，以及安装和使用Keras进行分类任务。以下是主要内容的详细解析： 1. ANACONDA安装： ANACONDA是Python的一个...
评论
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