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

最新推荐文章于 2024-05-18 15:25:16 发布
最新推荐文章于 2024-05-18 15:25:16 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
  • 3
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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 ...
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
cuda环境配置（anaconda虚拟环境版，含pytorch-gpu安装）
最新发布
weixin_46446479的博客
05-18 1363
深度学习cuda环境配置
win10 + python3.6 + tensorflow-gpu 1.8 下安装 CUDA9.0 +CUDNN7.1.4
求是
09-03 2504
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
02-26 522
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...
win10+vs2017+python3.6+tensorflow1.8-gpu+cudnn 安装及使用遇到的问题
lsjweiyi的博客
05-16 2687
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...
手把手 Ubuntu16.04+cuda9.0+cudnn 7.1+Anaconda+tensorflow-gpu+keras-附件资源
03-05
手把手 Ubuntu16.04+cuda9.0+cudnn 7.1+Anaconda+tensorflow-gpu+keras-附件资源
为电脑配置GPU加速（win10+python3.6+tensorflow-gpu1.12.0)
01-20
conda create -n your_env_name python==3.6 待安装完成后，输入指令 conda env list conda会罗列出所有你所创建的环境，如图 输入如下指令，进入conda虚拟python环境，接下来的所有操作都在此虚拟环
windows安装 cpu-tensorflow 和 GPU-tensorflow及安装 Anaconda+cuda+cudnn配置python-附件资源
03-05
windows安装 cpu-tensorflow 和 GPU-tensorflow及安装 Anaconda+cuda+cudnn配置python-附件资源
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 6974
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
win10下基于python（anaconda）安装gpu版本的TensorFlow以及kears深度学习框架
热门推荐
aoanng的博客
11-13 2万+
%%——2018/5/3更新——–%% 现在回头来看，我之前写的这篇在win10下安装gpu版本的tensorflow貌似写得有点复杂了… 现在来总结一下： 装gpu版本的tensorflow需要以下一些准备： 需要一个vc库，一般是vc14，vc14对应vs 2015，其实没必要装vs 2015，直接装vc14库就行了，这里附vc14库32位和64位的下载链接：链接: https://...
在Anaconda3下安装tensorflow-gpu库的经验之谈
u012605050的博客
12-21 7472
经过一整天的折腾，参考了许多网友的建议后，终于把tensorflow-gpu库安装成功了，现将安装经验总结如下： 1 适用条件 本经验适用于win10操作系统下的版本5.2.0的Anaconda3，理由是该版本对应Python3.6，而比此版本高的Anaconda3配套的是Python3.7，目前TensorFlow对Python3.7支持不够友好，导致安装出错。Tensor...
【环境搭建】win10安装TensorFlow全过程(python+anaconda+pycharm+CPU版本+GPU版本）
远方
07-26 1778
笔记本配置： windows10 I7 CPU 显卡940MX 一、安装python 1.从官网上下载windows安装包，下载地址。 记得勾选，将python加入环境变量 。如果读者不希望把python安装到C盘，可以点击Customize installation，跟换安装路径。 二、Anaconda安装 1.下载安装包 2.双击打开安装包 3.同意 ...
Ubuntu18.04 Torch7 和 cuda8.0+cudnn6.0 + Anaconda3下安装tensorflow1.4-gpu 环境配置
笔记
10-18 2069
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 ...
Tensorflow1.4安装gpu教程
chery的博客
12-20 5853
以前安装的是tensorflow-cpu，但是随着运算量的提高产生了鼓捣tensorflow-gpu的想法。官网的教程看起来很简单，但是坑很多。本文主要是帮助大家绕过那些坑，成功安装可以运行的tensorflow-gpu。 官网安装教程链接 这要求我们安装CUDA Toolkit 8.0和cuDNN v6.1，注意Tensorflow 1.4必须是CUDA Toolkit 8.0
Tensorflow1.4.0(GPU)+Win10+Anaconda5.0.1+CUDA8.0+cuDNN6.0+Python3.6深度学习环境安装
qq_38269418的博客
12-27 7898
Tensorflow1.4.0(GPU)+Win10+Anaconda5.0.1+CUDA8.0+cuDNN6.0+Python3.6深度学习环境安装
CPU 不支持 AVX2 指令集，Tensorflow 安装解决方案
lingtianyulong的专栏
09-02 1万+
由于 Tensorflow从1.6版本之后，采用 AVX2的方式进行编译，导致不能支持 AVX2的较早的CPU版本，不能运行新版的Tensorflow,经本人实验之后，给出以下解决方案： 1：降低 tensorflow版本，将 tensorflow版本降低到 1.5以下； 2：安装 tensorflowSSE版本，下载地址：https://github.com/fo40225...
windows安装 cpu-tensorflow 和 GPU-tensorflow及安装 Anaconda+cuda+cudnn配置python
WJ_MeiMei的博客
03-25 2万+
环境要求： Windows python 3.5 pip 9.0.1 tensorflow 0.12.0 cuda8.0 cudnn5.1 查看gpu是否支持cuda，点击此处链接 本文目的是帮助读者更快速的ping通win10环境下TensorFlow 注意一台主机要么装cpu-TensorFlow，要么装gpu-tensorflow，否则极容易报错，这是本人走过最大的错误！！本...

“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
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