从零配置WIN10下CUDA10.0+CuDNN7.4+Tensorflow-gpu1.13.1+测试

配置SfMlearner运行环境

  • Tensorflow-gpu CUDA CuDNN 版本对应号

1. 安装CUDA

     

     

     

     

  • 这里亲测不用修改环境变量

2.安装CuDNN

    

  • 解压压缩包,将bin,include,lib中的文件分别拷贝到对应的bin,include,lib目录中

    

3.测试

  • 打开cmd命令行窗口输入nvcc -V,对CUDA是否完成安装进行检查:

    

  • 依次打开下面目录的两个文件,检测到两个 result=pass 即为安装成功

    

    

    

    

    

4.安装tensorflow-gpu==1.13.1

pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 如果之前安装了TensorFlow的其他版本先卸载
pip uninstall tensorflow-gpu==1.2.1

5. 测试Tensorflow-gpu

import tensorflow as tf
import os

os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())
输出为:
Tensor("add_1:0", shape=(), dtype=float32)
GPU: True

    SfMlearner运行环境: CUDA10.0+CuDNN7.4+Tensorflow-gpu1.13.1安装成功!

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
要在Windows 10上配置TensorFlow-GPU版本1.13.1,您需要按照以下步骤进行操作: 1. 确保您的计算机已经安装了兼容的NVIDIA显卡驱动程序。您可以在NVIDIA官方网站上下载并安装最新的驱动程序。 2. 安装CUDA Toolkit 10.0,这是TensorFlow-GPU 1.13.1所需的版本。您可以在NVIDIA官方网站上下载并安装CUDA Toolkit。 3. 安装cuDNN 7.4.1,这是TensorFlow-GPU 1.13.1所需的版本。您需要在NVIDIA开发者网站上注册一个账户,并下载cuDNN。 4. 将CUDAcuDNN添加到系统环境变量中。打开系统属性 -> 高级系统设置 -> 环境变量,在系统变量中找到"Path"变量,然后添加CUDAcuDNN的安装路径。 5. 创建一个新的Python虚拟环境。打开命令提示符并运行以下命令: ```bash python -m venv myenv ``` 这将创建一个名为"myenv"的新虚拟环境。 6. 激活虚拟环境。在命令提示符中运行以下命令: ```bash myenv\Scripts\activate ``` 7. 安装TensorFlow-GPU 1.13.1。在命令提示符中运行以下命令: ```bash pip install tensorflow-gpu==1.13.1 ``` 8. 验证TensorFlow-GPU是否成功安装。在Python交互式环境中运行以下命令: ```python import tensorflow as tf print(tf.__version__) ``` 如果成功输出"1.13.1",则表示TensorFlow-GPU已经正确配置。 请注意,上述步骤假设您已经正确安装了Python。如果您尚未安装Python,请先安装Python并确保将其添加到系统环境变量中。此外,确保您的计算机满足TensorFlow-GPU的硬件要求。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。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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