[Tensorflow1.x / 2.x] Anaconda 三行指令安装 cuda，cudann，tf-gpu2.x / 1.x 完美运行

最新推荐文章于 2024-03-23 09:59:55 发布

kikook

最新推荐文章于 2024-03-23 09:59:55 发布

阅读量248

点赞数

分类专栏： tensorflow

本文链接：https://blog.csdn.net/chenhanxuan1999/article/details/107452709

版权

tensorflow 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

摸索了一个上午，得到方法简单而且亲测完美运行，安装前 Anaconda 和 pip 最好换源，注意要按照顺序从上向下执行，不能跳步

三行安装tf-gpu2.0

conda install cudatoolkit=10.0.130
conda install cudnn=7.6.5=cuda10.0_0
pip install --upgrade tensorflow-gpu==2.0

三行安装tf-gpu1.4

conda install cudatoolkit=10.0.130
conda install cudnn=7.6.5=cuda10.0_0
pip install --upgrade tensorflow-gpu==1.13.2

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

kikook

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

教程：Windows10下如何安装使用多版本Tensorflow2.x/Pytorch/paddlepaddle的GPU版本[和CUDA的安装及问题详解]【亲测可行】【详细和持续更新】

酒心★

11-02

1990

一、本文初衷(一)、关于选择：(二)、**CUDA之间的关系：** 鄙人最初是学tf的，然后最近由于学术界很多新算法都是pytorch实现的，然后最近想去学学torch，后来发现paddlepaddle在国内的发展数一数二是在太强了然后也想接触一下paddlepaddle这个百度的深度学习框架，因为他有很多现成模型、开源模型。但是，不幸的是鄙人原来使用的是CUDA10.0，无法安装CUDA10.0以上版本支持的DL框架版本。所以鄙人决定进行一番尝试，让PC兼容多个DL框架、以及多个DL框架的版本，是GPU

机器学习环境的搭建和使用----anaconda/jupyter/tensorflow-gpu /opencv等 win10安装和常用使用方法总结

熊猫小妖的AI世界

02-19

2193

目录大纲1. 环境说明2. Anaconda安装和常用使用技巧总结2.1 pip、conda更换国内源和常用方法2.2 anaconda虚拟环境使用2.3 anaconda常见问题解决方法2.4 anaconda常见命令总结2.5 anaconda如何干净地卸载重装3. jupyter使用和常用技巧总结3.1 jupyter notebook如何运行在不同虚拟环境下？3.2 jupyter no...

参与评论您还未登录，请先登录后发表或查看评论

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

tensorflow1.x和2.x匹配的cuda版本

nbxuwentao的博客

04-12

2585

Anaconda3安装以及虚拟环境配置Cuda和Pytorch（小白手把手操作全过程）

mywhyyds的博客

03-05

1468

Anaconda3安装以及虚拟环境配置Cuda和Pytorch（小白手把手操作全过程）

pytorch查看CUDA支持情况，只需要三行代码，另附Cuda runtime error (48) : no kernel image is available for execution处理办法...

weixin_30897079的博客

12-20

3873

1 import torch 2 import torchvision 3 print(torch.cuda.is_available()) 上面的命令只是检测CUDA是否安装正确并能被Pytorch检测到，并没有说明是否能正常使用，要想看Pytorch能不能调用cuda加速，还需要简单的测试一下： a = torch.Tensor(5,3) a=a.cuda()pr...

anaconda3 安装 tensorflow1.x + tensorflow 2.x 步骤（win10）

StevenLin的博客

06-30

3401

最近初学深度学习，原本是tensorflow 1.x 版本，找到应该pdf教程，用的是 2.x 版本，所以就试一下了。但是这个玩意儿挺麻烦，环境配置的时候遇到了很多坑，卸了装，装了卸，前前后后装了很多遍，报错也很多，足足折腾了两天多的时间，算是成功安装了，分享一下安装的步骤。 1. 安装anaconda3 首先安装anaconda3，这类教程很多了，不再赘述。详细教程：Anaconda详细安装及使用教程啰嗦一句，安装好了anaconda之后，为了让你的conda安装包的时候更好用，需要做以下两个事情。

【TensorFlow 2】Linux 下 TensorFlow 2.x 安装与环境配置

weixin_44011353的博客

07-09

4247

教程目录TensorFlow 安装步骤安装 Anaconda安装 tensorflow2.xNVIDIA 显卡驱动的安装windowslinuxCUDA Toolkit 和 cuDNN 的安装验证安装IDE 设置VSCode 下面总结一下安装过程和我踩过的坑。我主要参考的是下面这个官方教程，算比较完整。安装时可能遇到教程之外的坑，但大部分能查到解决方案。官方中文教程本文如有疏漏，欢迎指正。 TensorFlow 安装步骤安装 Anaconda Anaconda能干嘛？用过python的应该知

win10 安装Tensor Flow2.x（GPU版）anaconda pycharm

fggggg1433的博客

03-11

416

win10 anaconda 安装Tensor Flow2.x（GPU版）之前安装Tensor Flow看了很多大佬的文章，这里做一下整合（大佬们的文章链接放在文末）Tensor Flow版本的选择安装显卡驱动、CUDA、cuDNN安装Anaconda安装Tensor FlowPycharm安装如何插入一段漂亮的代码片生成一个适合你的列表SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导

笔记本GTX1650配置tensorflow-gpu2.2.0（利用anaconda命令安装cuda和cudnn）

Xyoutz_的博客

02-12

2833

笔记本GTX1650配置tensorflow-gpu2.2.0（利用anaconda命令安装cuda和cudnn概览硬件配置：i7-10750h+4G GTX1650软件配置：anaconda3-5.1.0+visual studio 2015+tensorflow-gpu2.2.0+cudatoolkit10.1+cudnn7.6.5确定适合自己的版本，看安装中的“三”具体安装步骤一、安装anaconda（一）下载anaconda安装包进行安装（我的版本anaconda3-5.1.0）：（二）安装anac

Windows在anaconda3中从零开始配置环境，安装CUDA11.3，安装深度学习相关包