windows10-cuda10.1-cudnn7-tensorflow1.4.0配置流程

最新推荐文章于 2025-03-16 14:44:56 发布
最新推荐文章于 2025-03-16 14:44:56 发布
阅读量2.6k 收藏 1
点赞数
分类专栏： 深度学习 文章标签： tensorflow
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/liulianfanjianshi/article/details/88766261
版权

1.下载cuda版本：cuda_10.1.105_win10_network.exe，并按照流程安装。安装完后，打开cmd ，输入：nvcc -V,回车查看是否有版本信息，若出现版本信息，则证明nvcc安装成功。

2.下载cudnn版本：cudnn-10.0-windows10-x64-v7.4.2.24，并把bin，include，lib三个文件拷贝到CUDA/10.1文件夹中。

3.下载Anaconda3-5.2.0-Windows-x86_64.exe版本，并按照流程在windows中安装，安装的路径可以自己选择，我安装的路径为

D:\ProgramData\Anaconda3 。

4.利用anaconda来创建python3.6.5的虚拟环境：conda create  -n tensorflow-gpu python=3.6.5，并打开Anaconda Navigator ,可以看到创建的tensorflow-gpu虚拟环境

5.激活虚拟环境：在Anaconda prompt 中输入 activate tensorflow-gpu ，环境从base中跳到虚拟环境中，如下图：

6.安装tensorflow-gpu版本：pip install tensorflow-gpu==1.4.0

7.测试，python  import tensorflow as tf

 

Win11极速安装Tensorflow-gpu+CUDA+cudnn(含视频)
weixin_46713695的博客
12-16 1万+
Win11极速安装Tensorflow-gpu+CUDA+cudnn(含视频链接)
tensorflow-gpu、cuda、cudnn版本对应关系最新更新
qq_39238461的博客
11-18 1182
GPU 版本 Python 版本 编译器 构建工具 cuDNN CUDA tensorflow-2.1.0 2.7、3.5-3.7 GCC 7.3.1 Bazel 0.27.1 7.6 10.1 tensorflow-2.0.0 2.7、3.3-3.7 GCC 7.3.1 Bazel 0.26.1 7.4 10.0 tensorflow_gpu-1.14.0 2.7、3.3-3.7 GCC 4
tensorflow1.12支持cuda10
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.无mkl支持; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 TI 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： bazel build --config=opt --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
在CUDA10.1版本下安装tensorflow-gpu=1.15版本
黄小黄的窝
09-07 1万+
在CUDA10.1版本下安装tensorflow-gpu=1.15版本 一、前言 因为自己在实现yolo5的过程中其中所需要的的环境是cuda10.1但是在之前安装的是10.0，所以只有自己折腾一下。但是cuda10.1貌似很难安装tensorflow1.X版本，在查阅资料并亲测过之后写下。 二、电脑环境 1.win10专业版 2.CUDA=10.1 3.显卡=1080TI 4.vs2015 三、安装 1.具体的安装步骤就不在这做详细说明，具体可以去看https://blog.csdn.net/weixin
CuDNN v7.6.5.32 for CUDA 10.1 on Windows 10 64-bit安装与应用指南
weixin_42527589的博客
03-16 1142
NVIDIA的深度神经网络库CuDNN（CUDA Deep Neural Network library）是一个针对深度神经网络的计算库，它是专门为提升深度学习框架中算法性能而设计的。作为CUDA的配套库，CuDNN可以极大地加速GPU上的神经网络计算。通过提供核心的、高度优化的深度学习组件，CuDNN使得开发者能够专注于构建和训练复杂模型，而不是从头开始编写底层的计算功能。CUDA（Compute Unified Device Architecture）是由NVIDIA推出的并行计算平台和编程模型。
在CUDA10.1版本下安装tensorflow-gpu=1.13.1版本
qq_43263543的博客
03-08 2553
安装 cuda10.1安装tensorflow-gpu的1版本会出现一些问题，应该在安装之前先输入 conda install cudatoolkit=10.0 在安装cudatoolkit之后再进行安装tensorflow就成功。 测试 import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello)) print(tf.test.is_gpu_avail
tensorflow2.1，CUDA10.1 的 WIN10下安装
zhangzhifu2019的博客
04-21 2197
先安装pytorch1.2的GPU版本 我的CUDA驱动是10.1的， 先安装的是pytorch 版本 activate pytorch1.2 conda install pytorch torchvision cudatoolkit=10.1 -c pytorch ——————草鸡慢————，放弃了—— 用清华的镜像 conda config --add channels https://mir...
在CUDA10.1版本下安装tensorflow-gpu=1.x版本
Wadewhl的博客
03-24 1795
cuda10.1版本一般对应的是tensorflow-gpu 2.x版本 若在cuda10.1版本下安装tensoflow的1.x版本，会失败，提示： ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory 解决方法，安装tensorflow的时候不要用pip install，而改成conda install conda install tensorflow-gpu==1.9 原因分
linux系统下cuda9.0、cudnn7.0、tensorflow-gpu1.5.0安装
qq_40636392的博客
03-31 1224
linux系统下cuda9.0、cudnn7.0、tensorflow-gpu1.5.0安装 看了很多安装办法，总是不能一次性安装成功，第一次写自己的安装过程，因为没有事先准备，所以安装过程中的截图就只能东拼西凑，尽量把过程写详细点。 用的是公司的服务器，我看了很多办法都是在ubuntu系统下完成的，很多安装语法都没法使用，我现在还一知半解的，这台服务器环境大概的如下： GPU：GeForce ...
ubuntu18.04 | NVIDIA driver + CUDA-10.2 + cuDNN-7.6.5 + Pytorch + TensorFlow-gpu-2.1.0 + OpenCV-4.2.
Jerry_Pig的博客
02-28 2329
一. NVIDIA显卡驱动 参考： https://www.cnblogs.com/abelsu/p/10625616.html 1. 安装前准备 (1). 检查是否有卡 一般购入电脑时就能有所了解，并且带有该显卡的电脑，都会有NVIDIA的绿色标识贴在机身上，只需要进一步确认就可以： $ lspci | grep -i nvidia 如果输出有带NVIDIA字符就可以了。 (2). 关闭Sec...
windows10 安装tensorflow1.4（GPU版本）安装详细教程（问题解惑）
热门推荐
亲历者的博客
09-01 1万+
安装tensorflow（GPU）较tensorflow(CPu)复杂，其中还要额外下载cuda与cuddn。网上类似的教程很多，然而随着更新迭代，很多教程都出现了很多问题，踩了许多坑，给大家分享下。 配置要求： python3.5 cuda8.0 cuddn V6 anaconda3 注意 tensorflow（GPU）官方要求的cuda是8.0，cuddn是v6, 现在Nvidia...
支持CUDA10的tensorflow-gpu轮子
11-29
这个文件是一个tensorflow的GPU版本的轮子，通过这个轮子，你可以在最新的CUDA10和CUDNN10.0上使用GPU训练你的模型
Visual Studio 2019下配置 CUDA 10.1 + TensorFlow-GPU 1.14.0
08-19
主要介绍了Visual Studio 2019下配置 CUDA 10.1 + TensorFlow-GPU 1.14.0，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
cuda10.1下的pytorch、tensorflow1.版本、tensorflow2.版本安装
qq_40077736的博客
11-08 1761
从最开始装环境要几天到现在10分钟搞定，以下就是我的经验亲测可用不踩坑！
Win10+MX150残血版+Tensorflow GPU1.13+CUDA10.1跳坑记
04-30 2079
纸上得来终觉浅，要知此事需躬行！ 网上好多关于如何在WIN10下安装GPU版的TensorFlow的教程，然而写对的都没有几个！包括Tensorflow官网上的教程，也是不对的！ 几个大坑： 1、TensorFlow通过conda或者pip安装的话如果不指定版本，默认会装最新的版本。而Tensorflow GPU 1.12.0以上的需要CUDA10.1和对应CUDA版本的CudNN。 2、...
win10 +Tensorflow-gpu环境搭建及使用（cuda10.1+python3.8+tensorflow2.3.1）【详细】
weixin_44326594的博客
07-04 1501
win10 +Tensorflow-gpu环境搭建（cuda10.1+python3.8+tensorflow2.3.1） 1、准备工作cuda安装cuDNN安装cuda+cuDNN环境配置python安装 2、Tensorflow 安装Anaconda安装TensorFlow安装测试 3、TensorFlow IDE...
Winds10+TensorFlow-gpu1.14+CUDA10.1+cuDNN7.4
meiyoujiaru的博客
08-27 573
安装版本控制 wind10+TensorFlow1.14+CUDA10.1+cuDNN7.4 台式机 系统 Windows10 显卡 GTX-1070 1.根据TensorFlow版本选择AUDA版本 本教程使用的TensorFlow-GPU1.14 2.下载CUDA 到NVIDIA下载CUDA10.0：CUDA10.0下载地址 打开命令行窗口，输入nvcc -V，显示如下CUDA...
win10+CUDA10.0/10.1+CUDNN10.1+tensorflow-gpu==2.0+python3.6安装
do it
10-26 1229
首先我不是在Anaconda下安装。 中间尝试过不同的组合，但都失败了，最后定的是下面的组合： win10 VS2017 CUDA10.1+CUDA10.0 CUDNN10.1 tensorflow2 gpu版 python3.6 一开始安装的是VS2019 community和CUDA10.1，装完tensorflow2发现没用，无法import，提示的意思就是找不到一些模块。 ...
WIN10+CUDA10.1+torch+tensorflow-gpu=1.15.0安装时踩过的坑
Blddwkb的博客
04-01 9377
WIN10+CUDA10.1+CUDNN+torch+tensorflow-gpu安装踩过的坑CUDA+CUDNN的重新安装Tensorflow-gpu与torch兼容的问题总结： 这一整个周末都在踩坑的过程中，把我踩过的坑记录一下，也希望能帮到大家！ CUDA+CUDNN的重新安装 网上已经有很多CUDA与CUDNN安装的教程了，还有CUDA和显卡驱动匹配的细节，这里就不再多说了。主要说说踩过的...
anaconda的jupyter安装tensorflow
最新发布
03-24
### 安装 TensorFlow 的方法 要在 Anaconda 的 Jupyter Notebook 环境中安装并使用 TensorFlow，可以按照以下方式操作： #### 创建虚拟环境 为了确保兼容性和隔离性，建议先创建一个新的 Conda 虚拟环境，并指定 Python 版本。例如，可以选择 Python 3.7 作为基础版本： ```bash conda create -n tensorflow python=3.7 [^1] ``` 激活该虚拟环境： ```bash conda activate tensorflow ``` #### 安装 TensorFlow 根据需求选择 CPU 或 GPU 版本的 TensorFlow。 对于 **CPU 版本**，可以直接通过 `pip` 进行安装： ```bash pip install tensorflow==1.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple [^2] ``` 如果需要支持 GPU 加速，则需额外配置 CUDA 工具包以及 cuDNN 库。可以通过以下命令完成安装： ```bash conda install cudatoolkit=10.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/ [^4] ``` 随后再安装对应的 GPU 支持版 TensorFlow（注意替换具体版本号以匹配 CUDA 配置）。 #### 测试安装是否成功 进入 Jupyter Notebook 后，在单元格内运行如下代码验证 TensorFlow 是否正常工作： ```python import tensorflow as tf print(tf.__version__) [^3] ``` 若能正确打印出版本信息则表明安装无误。 另外，在实际编写模型训练脚本时可能需要用到会话机制(Session)，此时可通过下面的方式初始化全局变量并执行计算图中的节点运算： ```python init = tf.global_variables_initializer() with tf.Session() as sess: sess.run(init) # 初始化所有变量 [^5] result = sess.run(some_tensor_or_operation) ```
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