在conda环境中安装tensorflow和cuda

已于 2023-08-08 10:49:01 修改
阅读量3.5k 收藏 23
点赞数 5
文章标签： tensorflow conda python
于 2023-06-15 17:11:03 首次发布
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/icylling/article/details/131231768
版权

​
不同版本的tensorflow官方提供的编译好的whl文件只对应一个cuda版本，这让需要tensorflow的不同版本时很麻烦。
我选择的方式是在conda中新建一个环境，在环境中安装需要的tensorflow和cudatoolkit。
这里假设已经安装好anaconda。

  1. 确定需要的tensorflow版本对应的python和cuda版本。
    我这里要安装的是tensorflow2.6，以下说明均基于tensorflow2.6，python3.9，cuda11.2。
    tensorflow和python、cuda对应的关系可以在官网查询：​​​​​​https://www.tensorflow.org/install/source?hl=zh-cn

  2. 新建conda环境

conda create -n tf26 python=3.9

安装完成后进入新建的环境

conda activate tf26
  1. 在环境中安装tensorflow
pip install tensorflow-gpu==2.6
  1. 在环境中安装tensorflow对应版本的cuda
conda install cudatoolkit=11.2 cudnn -c conda-forge
  1. 检查tensorflow是否可以成功使用GPU
import tensorflow as tf
tf.config.list_physical_devices('GPU')

如下图表示tensorflow可以成功使用GPU
在这里插入图片描述

​

keras在GPU环境下配置，conda虚拟环境并安装TensorFlow，cudatoolkit，cudann和jupyter等
weixin_44628096的博客
07-28 1588
keras在GPU环境下配置，conda虚拟环境并安装TensorFlow，cudatoolkit，cudann和jupyter等
利用conda搭建Pytorch和TensorFlow-GPU环境
qq_50331561的博客
08-02 1003
在 Windows 11 中安装 TensorFlow-GPU
深度学习环境配置——conda虚拟环境安装CUDA和CUDNN
tyyhmtyyhm的博客
03-20 1万+
人生来就不是为了被打败的，人能够被毁灭，但是不能够被打败。—— 海明威《老人与海》
Anaconda安装cudatoolkit
01-06
背景 Win10，由于之前在anaconda上安装了pytorch，torchvision，但不知为何没有成功安装cudatoolkit(猜测应该是网络源的原因) 我的很旧的戴尔电脑GPU是GeForce 920M，但既然有还是想利用一下。 尝试 试了pytorch官网的命令，纷纷失败。最后还是在anaconda上成功安装了。 解决 参考 我在vscode新建了一个终端，conda activate激活环境，然后使用命令 conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ c
使用 conda 安装 cuda
最新发布
qq_18215813的博客
03-18 504
在下列连接之中，我们可以找到对应的版本。同时，我们可以看到他所支持的 cuda 版本有 11.8, 12.1, 12.4。我们的安装的思路是，手动照 cuda-nvcc 的版本，并让 conda 自动搜寻合适的 cudatoolkit 的版本。这里可以得到具体的版本号，cuda-nvcc 的 11.8 的版本有 11.8.89。遇到这个问题，一般是在安装指定版本（尤其是老版本的）pytorch 时，遇到的。
conda虚拟环境中安装cuda和cudnn
知识搬运者
08-24 6552
找到自己想要的cuda版本后，先把cuda下载到本地。首先使用conda activate name命令把conda环境激活到目标环境。首先安装与cuda相匹配的pytorch和torchvision包，可以去。执行如下命令进行安装，因为是通过本地安装的，所以需要写明本地包的路径。执行后的结果如图所示，图中标出了cudnn所对应的cuda版本号位置。附：直接使用conda install安装。复制你想要版本的cudnn的下载地址，使用。
conda安装cuda
hxc2B的博客
03-01 1738
在当前的虚拟环境中安装CUDA，特别是当使用Conda时，可以通过安装特定于CUDA的Conda包来实现。这可以帮助管理CUDA依赖，但需要注意的是，这通常不会安装CUDA的完整开发环境，而是安装CUDA运行时库。在安装CUDA之后，你可能还需要安装与之配套的cuDNN库，这是深度学习框架常用的一个CUDA加速库。如果你已经有一个系统级的CUDA安装，并且只是想要让你的Python环境使用它，确保你的环境变量（特别是。记得检查你安装的CUDA和cuDNN版本与你的深度学习框架和其它库的兼容性。
conda虚拟环境中安装cuda、cudnn、pytorch
weixin_71109434的博客
05-09 5107
conda虚拟环境安装cuda、cudnn、pytorch，不用切换版本号
Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置tensorflow-gpu
liao_kyle的博客
06-07 1万+
Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置tensorflow-gpu
如何成功安装tensorflow的cuda和cudnn的详细步骤
weixin_49807630的博客
06-20 765
刚试成功的成功安装tensorflow的cuda和cudnn的详细步骤
Ubuntu24.04｜LXD用户｜在Conda虚拟环境搭建tensorflow2.x并使用GPU（查看/安装/卸载cuda、cudnn）
weixin_45041379的博客
08-16 1425
对于使用 Ubuntu 系统的 LXD 用户，NVIDIA 驱动程序在初始设置时已自动安装完毕。在使用 Conda 配置 TensorFlow-GPU 虚拟环境时，无需在本地安装任何额外的驱动程序、CUDA 或 cuDNN。
Tensorflow及CUDA安装
06-04
介绍了在ubuntu16.04中安装Tensorflow及CUDA7.5的安装方法
用 conda 安装 tensorflow-gpu
Joe_Hall_Lee的博客
06-25 720
后来发现这样直接不安装其他依赖也会有问题，因为很多库如果不安装别的依赖是用不了的，手动安装所有需要的依赖又太麻烦。于是换了一种方法，写一个 constraints.txt 文件作为约束，在安装其他库的时候就不会改变约束文件中库的版本了，我的约束文件目前有这些库。最近遇到了安装 TensorFlow 但无法识别 GPU 的问题，折腾了半天终于安装成功，总结一下安装步骤，前提是电脑里已经有 CUDA 了。每台电脑的环境都不一样，这种方法只针对此时此刻我的电脑有用，记录一下。然后再安装想装的库，比如这样。
conda虚拟环境中安装CUDA、cuDNN、TensorFlow1.11
m0_62648611的博客
07-14 6201
本文主要讲解在conda虚拟环境中安装CUDA、cuDNN、TensorFlow1.11
conda 安装cuda
u012483097的博客
03-31 3301
conda config --add channels conda-forge conda install cudatoolkit=11.1
3090显卡安装tensorflow/pytorch
LIWEI940638093的博客
02-09 3870
3090显卡安装tensorflow/pytorch一 3090显卡驱动二 安装CUDA11.0三 安装cuDNN四 安装anaconda五 安装tensorflow/pytorch六 安装gdal 我的系统是Ubuntu18.04，这个教程对所有Ubuntu系统都适用，只是要安装正确的显卡驱动和cuda/cudnn 一 3090显卡驱动 去官网下载正确的显卡驱动即可。具体操作见：https://blog.csdn.net/LIWEI940638093/article/details/109304789 二
使用虚拟环境conda安装不同版本（指定版本）的cuda，cudnn，pytorch
edward_zcl的博客
06-02 5720
背景：在学习深度学习时，我们不可避免的需要跑多个神经网络，而不同的神经网络环境都不一样，所以必须要使用到虚拟环境(如conda)去做环境隔离，安装属于自己的环境。在这环境中，大多神经网络都必须要用到cuda，cudnn。不同的神经网络需求版本不同，所以也需要另行安装，这与前面一篇文章pip安装包的方式还不太一样。安装好显卡驱动后，使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少，如下： Driver Version: 525.89.02 表明当前显卡驱动版本是525.89
使用虚拟环境conda安装不同版本的cuda，cudnn，pytorch
热门推荐
qq_42537872的博客
08-16 2万+
背景：在学习深度学习时，我们不可避免的需要跑多个神经网络，而不同的神经网络环境都不一样，所以必须要使用到虚拟环境(如conda)去做环境隔离，安装属于自己的环境。在这环境中，大多神经网络都必须要用到cuda，cudnn。不同的神经网络需求版本不同，所以也需要另行安装，这与前面一篇文章pip安装包的方式还不太一样。安装好显卡驱动后，使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少，如下： Driver Version: 525.89.02 表明当前显卡驱动版本是525.89
conda中怎么安装tensorflow
10-10
在Conda环境中安装TensorFlow通常有几种步骤，这里以Anaconda Prompt或conda shell为例： 1. **激活conda环境**（如果尚未激活）： ```sh conda activate [your_env_name] # 其中[your_env_name]替换为你实际的环境名（如cv_nlp_24） ``` 2. **检查是否已安装**： 如果你想确认TensorFlow是否已经安装，可以使用： ```sh conda list | grep tensorflow ``` 3. **安装新版本的TensorFlow**： 如果需要安装最新版的TensorFlow，可以直接输入： ```sh conda install tensorflow ``` 或者指定特定版本，比如安装2.x版本： ```sh conda install tensorflow=2.5.* # 可以换成你需要的具体版本号 ``` 4. **安装GPU支持的版本**（如果有CUDA和cuDNN）： 对于需要GPU加速的版本，添加`-c anaconda`到命令，例如： ```sh conda install tensorflow-gpu -c anaconda ``` 5. **等待安装完成**： 安装完成后，你可以通过`python -m tensorflow`来验证TensorFlow是否成功安装并启动交互式Shell。
评论 1
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