Windows11 显卡GTX1650 搭建CUDA+cuDNN环境，并安装对应版本的Anaconda和TensorFlow-GPU

最新推荐文章于 2024-04-16 14:52:11 发布
最新推荐文章于 2024-04-16 14:52:11 发布
阅读量2w 收藏 134
点赞数 20
文章标签： 深度学习 tensorflow cuda 人工智能 计算机视觉
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/foreverey/article/details/121538304
版权

文章目录

前言

为了调用计算机的GTX1650显卡进行深度学习的模型和训练，需要先搭建好CUDA和cuDNN环境。此外，TensorFlow-gpu版本对python、CUDA和cuDNN的版本也有要求，安装前需要先确定好各个软件需要安装的版本。

提示：以下是本篇文章正文内容，下面案例可供参考

一、安装部署环境

安装环境软件版本
PC系统版本Windows 11 21H2
显卡驱动版本496.76
显卡CUDA算力7.5
CUDA版本cuda_10.0.130_411.31_win10
cuDNN版本cudnn-10.0-windows10-x64-v7.6.5.32
Python版本python-3.7.9-amd64
Anaconda版本Anaconda3-2020.02-Windows-x86_64
TensorFlow-GPU版本1.13.1

显卡信息：
在这里插入图片描述

显卡CUDA算力：
在这里插入图片描述

二、安装各个软件

首先安装最新的显卡驱动，从NVIDIA驱动程序官网下载符合本机显卡的最新驱动，默认安装即可。
在这里插入图片描述

1.CUDA和cuDNN的版本选择及安装

查看本机显卡支持的CUDA版本，打开NVIDIA Control Panel（NVIDIA控制面板），点左下角系统信息→组件，查看NVCUDA.DLL的系统版本，此为显卡支持的最高CUDA版本。
在这里插入图片描述

1.1 CUDA的版本选择及安装

目前网上的教程大多要装CUDA9.0版本配合VS2015使用，但由于GTX1650显卡上市较晚，安装CUDA9.0时提示以下错误：
在这里插入图片描述

为了后续配合Visual Studio 2015和TensorFlow-GPU版本使用，选择CUDA10.0版本安装，进CUDA下载官网，下载离线包
在这里插入图片描述
将Base Installer下载下来，双击解压默认下一步安装即可。

若解压时提示Could not create file “C:\TEMP\CUDA1\GFExperience\chrome_elf.dll” 拒绝访问 错误，将电脑上的杀毒软件（360安全卫士）全部退出，再重新解压即可出现CUDA安装程序界面。
在这里插入图片描述
安装完成后应该会自动将CUDA安装位置添加到系统的环境变量中，可以打开设置→系统→高级系统设置→环境变量→系统环境变量，检查是否有下图红框处的环境变量，若没有，手动添加即可。
在这里插入图片描述

1.2 cuDNN的版本选择及安装

cuDNN版本 cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.0
在这里插入图片描述
登录上NVIDIA账号，下载zip包解压后，将对应文件夹的文件放到CUDA安装路径下的对应文件夹里即可。
将其中’bin‘中的’cudnn64_7.dll‘拷贝到cuda10.0安装路径下的bin文件夹中，cuda对应的文件夹的路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin，如下图所示：
在这里插入图片描述
同样的，将cudnn中include下的’cudnn.h‘拷贝到cuda文件夹中的include的文件夹中（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include）
，cudnn文件中的’lib/x64’中的‘cudnn.lib’拷贝到cude文件中的’lib/x64’中（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64）。
至此完成了CUDA10.0和cuDNN的安装。

1.3 测试CUDA是否安装成功

  • cmd里查看版本信息nvcc -V
    在这里插入图片描述

  • cmd里输入nvidia-smi查看GPU运行时的监测界面
    在这里插入图片描述
    注：若安装的是CUDA9.0 ，在cmd中需进到以下路径（C:\Program Files\NVIDIA Corporation\NVSMI）执行nvidia-smi才能看到GPU的监测界面。

  • 进入下面图片的路径（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite），然后按住‘shift’+鼠标右击，点击’在此处打开powershell窗口‘，输入： .\bandwidthTest.exe 返回Result=PASS
    在这里插入图片描述
    同理输入：.\deviceQuery.exe 返回：Result=PASS,说明CUDA安装成功了。
    在这里插入图片描述
    同时从上图的 CUDA Capability Major/Minor version number 行可以看到CUDA算力为7.5。

2. TensorFlow-GPU、Python和Anaconda版本的选择与安装

TensorFlow与python、CUDA、cuDNN、编译器环境的对应关系可参考官网的说明

Windows端地址：https://tensorflow.google.cn/install/source_windows
在这里插入图片描述
在这里插入图片描述
需要安装的是Windows TensorFlow-GPU版本，前面已部署好CUDA10.0环境，所以依据上表，选择安装TensorFlow-GPU 1.13.1版本，该版本支持python3.5-3.7，我们选择python 3.7版本。我们在安装anaconda的时候你并不知道会包含哪个版本的python，可以参考《anaconda python 版本对应关系》此篇博文的表来决定安装哪个版本的Anaconda。在Anaconda下载镜像站

里选择自己需要的版本即可，本文选择的是 Anaconda3-2020.02-Windows-x86_64.exe安装包，该版本支持创建python2.7、3.5、3.6、3.7、3.8的虚拟环境。

2.1 安装Anaconda并创建虚拟环境

将Anaconda3-2020.02-Windows-x86_64.exe默认安装即可，安装完成后打开Anaconda Navigator，创建tensorflow-gpu虚拟环境，python版本选择3.7。
创建虚拟环境
创建完成后选中tensorflow-gpu，Open with Terminal
在这里插入图片描述

2.2 安装TensorFlow-GPU

(tensorflow-gpu) C:\Users\admin>pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述

2.3 测试TensorFlow-GPU是否可用

测试TensorFlow-GPU的第一种方法：
输入以下命令测试，若打印true，表示调用GPU成功。

(tensorflow-gpu) C:\Users\admin>python
Python 3.7.12 | packaged by conda-forge | (default, Oct 26 2021, 05:35:01) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>>import tensorflow as tf
>>>tf.test.is_gpu_available()
2021-11-25 16:54:47.265632: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2021-11-25 16:54:47.390464: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1433] Found device 0 with properties:
name: NVIDIA GeForce GTX 1650 major: 7 minor: 5 memoryClockRate(GHz): 1.515
pciBusID: 0000:01:00.0
totalMemory: 4.00GiB freeMemory: 3.25GiB
2021-11-25 16:54:47.390874: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1512] Adding visible gpu devices: 0
2021-11-25 16:54:47.858586: I tensorflow/core/common_runtime/gpu/gpu_device.cc:984] Device interconnect StreamExecutor with strength 1 edge matrix:
2021-11-25 16:54:47.858887: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990]      0
2021-11-25 16:54:47.860156: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1003] 0:   N
2021-11-25 16:54:47.861235: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/device:GPU:0 with 2933 MB memory) -> physical GPU (device: 0, name: NVIDIA GeForce GTX 1650, pci bus id: 0000:01:00.0, compute capability: 7.5)
True

在这里插入图片描述
测试TensorFlow-GPU的第二种方法：
将以下代码保存成tfgpu-get.py文件

import tensorflow as tf
if tf.test.gpu_device_name():
    print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
    print("Please install GPU version of TF")

在命令行中执行，若输出以下内容，表示调用GPU成功，TensorFlow-GPU可用。

(tensorflow-gpu) C:\Users\admin>python tfgpu-test.py
2021-11-25 16:59:45.388468: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2021-11-25 16:59:45.495860: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1433] Found device 0 with properties:
name: NVIDIA GeForce GTX 1650 major: 7 minor: 5 memoryClockRate(GHz): 1.515
pciBusID: 0000:01:00.0
totalMemory: 4.00GiB freeMemory: 3.25GiB
2021-11-25 16:59:45.496494: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1512] Adding visible gpu devices: 0
2021-11-25 16:59:45.834991: I tensorflow/core/common_runtime/gpu/gpu_device.cc:984] Device interconnect StreamExecutor with strength 1 edge matrix:
2021-11-25 16:59:45.835298: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990]      0
2021-11-25 16:59:45.836502: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1003] 0:   N
2021-11-25 16:59:45.837311: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/device:GPU:0 with 2933 MB memory) -> physical GPU (device: 0, name: NVIDIA GeForce GTX 1650, pci bus id: 0000:01:00.0, compute capability: 7.5)
2021-11-25 16:59:45.839926: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1512] Adding visible gpu devices: 0
2021-11-25 16:59:45.840107: I tensorflow/core/common_runtime/gpu/gpu_device.cc:984] Device interconnect StreamExecutor with strength 1 edge matrix:
2021-11-25 16:59:45.840986: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990]      0
2021-11-25 16:59:45.842483: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1003] 0:   N
2021-11-25 16:59:45.843361: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/device:GPU:0 with 2933 MB memory) -> physical GPU (device: 0, name: NVIDIA GeForce GTX 1650, pci bus id: 0000:01:00.0, compute capability: 7.5)
Default GPU Device: /device:GPU:0

至此完成了Anaconda和TensorFlow-GPU的安装与测试。

三. 参考文章

《windows10 显卡GTX1050安装tensorflow-gpu教程以及Tensorflow不同版本要求与CUDA及CUDNN版本对应关系（GPU版本）》
《windows tensorflow-gpu的安装》
《在 Windows 环境中从源代码构建》
《Tensorflow不同版本要求与CUDA及CUDNN版本对应关系》
《anaconda python 版本对应关系》
等。

总结

以上内容仅供参考，按照步骤操作时应对应修改相关文件路径。

foreverey
关注
  • 20
    点赞
  • 踩
  • 134
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
TensorFlow的环境配置与安装教程详解（win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5）
12-17
在本教程中，我们将详细讲解如何在Windows 10系统上配置TensorFlow的GPU环境，具体包括安装GeForce GTX 1060显卡所需的CUDA 9.0和cuDNN 7.3，以及安装tensorflow-gpu 1.12.0和Python 3.5.5。在开始之前，确保你已经...
win10+anaconda3+vs2017+cuda9.2+cudnn v7.1.2+GTX系列显卡安装tensorflow-gpu1.8.0-附件资源
03-02
win10+anaconda3+vs2017+cuda9.2+cudnn v7.1.2+GTX系列显卡安装tensorflow-gpu1.8.0-附件资源
Win10 GTX1650 安装CUDA11.6+CuDnn-8.6
weixin_53384447的博客
12-09 3328
打开自己电脑的任务管理器，查看自己电脑的显卡版本，如下图 ，笔者的为GTX 1650然后是我的使用的版本：anaconda直接官网下载安装即可，附官网网址 https://www.anaconda.com/products/individualvisual studio2019直接官网下载安装即可，附官网网址 https://www.visualstudio.com/zh-hans/
2021.08.26学习内容 Win10+GeForce GTX1650安装NVIDIA显卡驱动及CUDA11.4+cuDNN8.2
qq_44442727的博客
08-26 2万+
第一步，查询电脑显卡驱动信息，个人电脑显卡查询如下 第二步，若不确定下什么版本驱动，查询网站：https://www.nvidia.cn/Download/Find.aspx?lang=cn 把个人电脑显卡配置填上 第三步，选中符合显卡GPU的驱动下载安装，我基本上是默认的，自己设置都行，影响不大。安装完成进一步安装CUDA，但是CUDA需要对应版本才能调用显卡GPU，所以还要明确CUDA版本。版本可以通过已经安装的显卡驱动查询，右键电脑桌面空白处，打开nvidia显卡驱动面板，如下操作： 即可获得需
GTX 1650是什么
最新发布
qq_34425255的博客
04-16 444
查了一下发现GTX 1650算力是7.5。
win10,GTX1650配置cuda10.1，cudnn7.6.5，cv2环境参考
oneboardcomputer的博客
08-07 3779
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)
NVIDIA GTX 1650 适配的cuda11.4以及cudnn的安装
ZhangSanNNZ的博客
05-23 2472
（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）
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 1593
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。
Anaconda + tensorflow-gpu+keras+win10
01-06
首先，tensorflow的GPU版本是需要安装CUDA和cudnn加速包。 （CUDA和cudnn以及tensorflow，keras有着较为严格的版本对应关系， 一定要看好版本下载）。 前言 很久以前就在自己的电脑上把CPU版本的tensorflow配置好了...
win10安装tensorflow-gpu版本
rover
05-23 533
几个月前用conda创建了一个python3.6的虚拟环境用于安装tensorflow-gpu，而win10下Anaconda自带的python是3.7.4版本的，后来发现默认的python3.7环境中 "No module named 'tensorflow'"！坑爹啊。干脆就把之前的python3.6版本下的虚拟环境给删除了，使用命令conda remove -n tf-py36 --all ，然后重新安装！ 在官网https://www.tensorflow.org/install/source可以
gtx1650显卡配置cuda，anaconda，GPU，pytorch运行经验。
d_etach的博客
04-27 2058
然后去pytorch官网查一下对应的版本，然后在你创建的conda环境中安装torch的版本，就可以愉快的玩耍啦。大家注意，只要安装cuda就可以了，可以用NVIDIA面板确认一下cuda驱动版本，低于版本都可以使用。
通用的CUDA、cuDNN、anaconda、pytorch环境配置详细过程 - Windows / Ubuntu Linux (以YOLOv5模型安装配置为例)
热门推荐
Wontoner的博客
04-06 3万+
​相关项简介 CUDA（ComputeUnifiedDeviceArchitecture，统一计算架构）是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 cuDNN是基于CUDA的用于深度神经网络的GPU加速库，有了它才能在GPU上完成深度学习的计算。cuDNN是插入式设计，即所谓安装只需把cuDNN文件复制到CUDA对应文件夹就可以了。 Anaconda是一个用于科学计算的Python发行版，里面预装好了conda、某个版本的python以及一般......
在windows11环境下安装CUDA11.6+Anaconda3+pyToach1.13搭建炼丹炉
qq_1763467007的博客
06-26 3667
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。
（超详细）CUDA与cuDNN安装教程
qq_45904458的博客
08-08 1万+
我们在安装好Python、Pycharm以及Anaconda之后，就要开始考虑你的程序是用CPU跑还是用GPU跑，如果要用GPU跑的话，就要用到CDUA toolkit这个工具包以及cuDNN这个安装包。下面开始带领大家安装一下这两个工具。
ubuntu18.04下部署x_86显卡GTX1650 +cuda 11.4.1
weixin_44137271的博客
09-07 830
ubuntu18.04下部署x_86显卡GTX1650 +cuda 11.4.1
Win10+ GTX1650 +CUDA11.2+python3.7安装openpose1.7 实现openpose python api调用
heitong_fu的博客
04-03 5493
Win10+ GTX1650 +CUDA11.2+python3.7安装openpose1.7 实现openpose python api调用
Win10 + GTX1650显卡 安装 Cuda-10.1 + CuDNN-7.6 + Tensorflow-gpu-1.15.0 一步到位
s_hikki的博客
05-14 1万+
之前一直使用tensorflow的cpu版本，即便是简单的模型训练增加迭代次数到50次还是有点慢的，所以换了新电脑哒 废话不多说，流程先列出来，有个大致认识：anaconda----Visual Studio 2019----Cuda+CuDNN----配置环境变量----Tensorflow 然后是我的使用的版本：显卡GTX1650 Cuda-10.1 + CuDNN-7.6 + Tensorflow-gpu-1.15.0 以下是正式流程： 1. Anaconda3，Visual Studio 2019
anaconda安装tensorflow-gpu 1.14.0 python 3.7 CUDA 10.0 cudnn 7.4
07-25
对于安装 TensorFlow-GPU 1.14.0，您需要确保您的 Anaconda 环境已正确设置，并且已安装了正确版本的 CUDA 和 cuDNN。 下面是安装步骤： 1. 首先，确保您已经成功安装了 Anaconda。如果还没有安装，请按照官方文档的指导进行安装。 2. 接下来，您需要安装 CUDA 10.0。您可以从 NVIDIA 官方网站下载适用于您的操作系统的 CUDA 安装程序，并按照指示进行安装。 3. 安装 CUDA 后，您需要安装 cuDNN 7.4。您需要先注册一个 NVIDIA 开发者账号，然后从 NVIDIA 开发者网站下载 cuDNN 安装包。根据您的操作系统和 CUDA 版本选择正确的版本，并根据 cuDNN 安装指南进行安装。 4. 安装完 CUDA 和 cuDNN 后，打开 Anaconda Prompt（Windows）或终端（macOS/Linux）。 5. 创建一个新的环境并激活它： ``` conda create -n tf_gpu_env python=3.7 conda activate tf_gpu_env ``` 6. 在新环境中安装 TensorFlow-GPU 1.14.0： ``` pip install tensorflow-gpu==1.14.0 ``` 7. 安装完成后，您可以通过运行以下代码来验证 TensorFlow 是否正确安装并使用 GPU： ```python import tensorflow as tf print(tf.test.is_gpu_available()) ``` 如果输出为 True，则表示 TensorFlow 正确安装并且可以使用 GPU。 请注意，安装 TensorFlow-GPU 需要确保您的系统满足 CUDA 和 cuDNN 的要求，并且您的 GPU 支持 CUDA。如果您遇到任何问题，请参考 TensorFlow 官方文档或在相关论坛上寻求帮助。

“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 9
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