笔记本Win10+tensorflow1.14.0+cuda10.0+cudnn7.4.1环境配置，从下载到使用全过程

最新推荐文章于 2023-11-01 21:18:29 发布
最新推荐文章于 2023-11-01 21:18:29 发布
阅读量1.8k 收藏 6
点赞数 2
文章标签： 深度学习 tensorflow cuda cudnn
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/qq_22831229/article/details/116064401
版权
本文详细介绍了在Windows 10系统下，如何配置Tensorflow 1.14.0与CUDA 10.0及CUDNN 7.4.1的环境，包括下载Visual Studio 2017、CUDA和CUDNN，安装过程，环境变量设置，以及使用pip安装Tensorflow-GPU的步骤。适合初学者参考。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

环境配置之路，远且一步一坑，来说一下我的环境配置之路吧！

目录

实验设备及参数

第一步 下载

下载Visual Studio 2017  提取码：VSVS

下载CUDA

下载CUDNN

 安装

CUDA安装

CUDNN安装

 环境变量设置

 安装tensorflow

重启电脑，安装完成！

实验设备及参数

电脑：联想拯救者r9000p2021

系统：Windows 10 专业版  20H2

显卡：NVIDIA GeForce RTX 2060 with Max-Q Design  驱动版本版本：27.21.14.5752

Python版本：3.5

tensorflow版本：1.14.0

cuda版本：10.0

cudnn版本：7.4.1

第一步 下载

下载Visual Studio 2017  提取码：VSVS

之所以需要安装这个软件，我从网上看到的资料说cuda运行需要大量的库，直接安装VS能够不需要去一个接一个下载，效率比较高。

如果没有或者版本不对可能遇到的问题：Visual Studio Integration 安装失败问题

分析：这一步一般是因为Visual Studio的版本不是2017导致无法与cuda10.0识别，如果还是失败可以尝试手动办法

最低0.47元/天 解锁文章
北落辰
关注
Cuda10.0 + Cudnn7.4.1 + tensorflow-gpu==1.14.0+gtx1660
03-23 1883
Cuda10.0 + Cudnn7.4.1 + tensorflow-gpu==1.14.0+py3.7环境参考 安装参考网址：成功安装CUDA 10.0 和Cudnn 7.4.1_新奥尔良仙的博客-CSDN博客 文件是：Cuda10.0+Cudnn7.4.1+tensorflow-gpu==1.14.0-C#文档类资源-CSDN下载 里面包含了Cuda10.0和 Cudnn7.4.1 # import tensorflow as tf # hello = tf.constant('Hello..
安装tensorflow-gpu-1.14.0+cuda10.0+cudnn7.4.0+python3.7
qq_41286751的博客
05-20 1919
本文给出总体思路，大家安装后，记得验证一下是否成功
Win10+tensorflow1.14.0+cuda10.0环境配置
yipianbingxinzb的博客
08-11 8753
经过长时间踩坑，终于在自己电脑上配置好tensorflow1.14.0+cuda10.0，最开始在电脑上安装cuda10.1版本，后来安装tensorflow出现问题，加载不了tensorflow模块，换成cuda10.0，最后安装成功。 本机机型：拯救者Y7000P-1060 1、安装VS2017，VS2017社区版可以免费安装； 2、安装annaconda，annaconda的安装可参考：an...
Windows安装tensorflow-gpu=1.14.0&CUDA=10.0&cuDNN=7.4 （多版本CUDA共存）
最新发布
weixin_44589540的博客
11-01 3321
的版本，可以把鼠标放在上面，在左下角会显示版本号，这里选择安装适用于。（这一步的选项非常重要，如果勾选了其他的可能导致高版本已安装的。这里使用默认的安装位置就可以，可以记一下安装位置，后面需要用到。（注意如果原本已经打开了终端，需要关闭重新打开），第二个语句我第一次运行一直没有输出最后的。，还以为安装出错了，结果第二次运行成功输出。，如果需要安装高版本的需要先更新显卡驱动。的路径，我猜测这一步不是必须要做的hhh。配环境实在不易，给自己鼓个掌，加油~对于第一个语句，会输出很多行。的环境配置，需要先安装。
tensorflow-gpu1.14.0/cuda10.0/cudnn7.4.1环境搭建
格桑08的博客
05-15 1129
​ 我的个人电脑是win10系统，其GPU是双显卡：1.Inter® UHD Graphics 630；2.NVIDIA GeForce GTX 1660Ti，显存为6GB，因此我去搭建tensorflow-gpu环境。 搭建好的环境： win10系统 pycharm与Anaconda3-2019.10软件 在Anaconda3-2019.10下创建虚拟环境DeepLearnFromTensorflow 在DeepLearnFromTensorflow下安装python=3.7、tensorflow-g
Ubuntu 18.04 安装 Tensorflow 环境之三：安装 CUDNN 7.4.1
热门推荐
The Dawn
11-10 1万+
  CUDA 10 就安装好了，下来需要安装 cudnn 7.4.1，才能利用 GPU 进行计算加速。 安装过程 1、下载CUDNN 在 NVIDIA官网上下载 NVIDIA CUDNN 相关资源，NVIDIA 官网需要注册，在 login 进去之后，点击同意“I Agree To the Terms of the cuDNN Software License Agreement”，相关资...
tensorflow-1.14.0.zip
01-21
这是从github下载的。网速慢，为急用且不差币的小伙伴提供。不急的同志们可以到github下载。这是开源的。
Cuda10.0 + Cudnn7.4.1 + tensorflow-gpu==1.14.0
03-23
标题 "Cuda10.0 + Cudnn7.4.1 + tensorflow-gpu==1.14.0" 指的是一个用于在GPU上加速深度学习计算的软件堆栈。这个组合包括NVIDIA的CUDA工具包、CuDNN库以及TensorFlow-GPU的一个特定版本。下面将详细介绍这三个关键...
python3.6+pycharm+tensorflow gpu版+cuda10.0+cuDNN所有配置
m0_56960619的博客
11-10 4078
今天几乎忙乎一整天搞相关配置，终于有点成效了，想着把过程记录下来。 我一开始是通过anaconda3来配置python3.6等等，但是不理想便全部卸载 惊喜部分：pip镜像安装一劳永逸方法 期间cuda和cudnn下载特别慢，可以找到 对应版本 直接右击复制链接，然后在迅雷里面下载。我知道迅雷下载也慢，这时候求助某bao只要1.5米很快安装好！ 我的全部思路： 下载好python3.6，下载好pycharm，通过pycharm中的 解释器 选择python3.6，相当于桥梁搭建起来了。 接下来.
ubuntu18.04安装tensorflow-gpu==1.14.0(CUDA10.0+cuDNN7.4.1)
hillyfighting的博客
07-05 3778
系统版本：ubuntu 18.04 系统架构：x86_64 nvidia driver 驱动版本：440.59 CUDA版本：10.0 cuDNN：7.4.1 gcc:4.8.5 tensorflow-gpu:1.14.0 前提 step1:确定是否安装了驱动:nvidia-smi step2:查看gcc版本:gcc --version 若gcc版本太高就更改版本：sudo apt-get install gcc-4.8 g++-4.8 切换gcc版本：sudo update-alternatives
tensorflow-1.14.0-cp37-cp37m-win_amd64.whl
07-30
解决“Your CPU supports instructions that this TensorFlow binary was not compiled to use AVX2”, tensorflow-1.14.0-cp37-cp37m-win_amd64.whl（Windows CPU版 Python3.7）
tensorflow-1.14.0-cp37-cp37m-win_amd64.zip
08-17
该tensorflow安装包适用于windows操作系统64位，python3.7版本。使用方法：进入已经下载好的tensorflow资源包的目录下，按shift键，同时单击鼠标右键，打开命令提示符， 输入：pip --default-timeout=100 install tensorflow-1.14.0-cp37-cp37m-win_amd64.whl 然后就是等待其安装了，亲测有效。
tensorflow1.14离线安装包.zip
12-28
tensorflow1.14 离线安装包
cudnn7.4+10.0.zip
02-19
cudnn-10.0和7.4版本
tensorflow-1.14.0
01-18
1.14(SciSharp.TensorFlow.Redist-Windows-GPU) 1.14(SciSharp.TensorFlow.Redist-Windows-GPU) 1.14(SciSharp.TensorFlow.Redist-Windows-GPU) 1.14(SciSharp.TensorFlow.Redist-Windows-GPU)
【技巧】linux windows mac 下TensorFlow不同版本与cuda版本之间的对应关系
鱼大
07-01 678
https://www.tensorflow.org/install/source#common_installation_problems 经过测试的构建配置 Linux CPU 版本 Python 版本 编译器 构建工具 tensorflow-2.1.0 2.7、3.5-3.7 GCC 7.3.1 Bazel 0.27.1 tensorflow-2.0.0 2.7、3.3-3.7 GCC 7.3.1 Bazel 0.26.1 te
windows下深度学习框架搭建：tensorfow-gpu1.14.0+cuda10.0+cudnn7.4+python3.6
weixin_46034036的博客
12-16 2803
windows下深度学习框架搭建：tensorfow-gpu1.14.0+cuda10.0+cudnn7.4+python3.6
Win10系统从NVIDIA driver版本匹配开始配置Keras训练环境
weixin_40198079的博客
10-21 2944
Win10系统从NVIDIA driver版本匹配开始配置Keras训练环境 由于最近只能使用Windows系统训练神经网络，但是程序总是不调用GPU而拖慢了工作进度，因此踏上了配置环境的不归路，在此记录一下配置环境的真正流程和我遇到过的所有坑，希望对大家有所帮助。 文章目录Win10系统从NVIDIA driver版本匹配开始配置Keras训练环境一、确定要安装的TensorFlow-GPU、CUDA、cudnn的版本二、安装NVIDIA显卡驱动1.查看显卡驱动版本是否满足CUDA版本的要求2.更新驱动
成功安装CUDA 10.0 和Cudnn 7.4.1
jerry zhang的sally wu
10-30 2510
from Bubbliiiing 网盘下载： 链接: https://pan.baidu.com/s/1znYSRDtLNFLufAuItOeoyQ 提取码: 8ggr 下载完之后得到这两个文件。 安装CUDA 打开exe文件进行安装。 选择自定义。 重复点击下一步。 安装完后，在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0可以找到安装好的文件。 ## 安装Cudnn 将zip解压到C:\Program Files\NVIDI
tensorflow1.14.0安装gpu
09-07
为了安装tensorflow-gpu 1.14.0，你可以按照以下步骤进行操作: 1.首先，确保已经安装了Anaconda，你可以从官网下载并安装Anaconda。安装过程中，可以选择将Anaconda添加到环境变量中，也可以选择不添加。 2.接下来，安装CUDA 10.0和cuDNN。你可以从CUDA官方网站下载CUDA 10.0，并按照它们的文档进行本地安装。同时，确保选择了本地安装选项。 3.打开Anaconda Prompt，并创建一个新的tensorflow环境。使用以下命令创建一个名为"tensorflow"的环境： conda create -n tensorflow python=3.6 4.激活tensorflow环境。使用以下命令激活tensorflow环境： activate tensorflow 5.在tensorflow环境下安装tensorflow-gpu 1.14.0。由于网络可能较慢，你可以选择使用清华大学镜像源进行安装。使用以下命令安装tensorflow-gpu 1.14.0： pip install --ignore-installed --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.14.0 6.安装完成后，你可以使用PyCharm来使用tensorflow环境。在PyCharm的设置中，选择项目解释器，并添加一个现有的环境。选择tensorflow环境中的python.exe文件作为解释器。 请注意，以上步骤是安装tensorflow-gpu 1.14.0的一种方法。但是，请确保你的GPU支持CUDA 10.0，并且你已经正确安装了相应的驱动程序。另外，如果你的需求不是特别需要使用gpu，你也可以考虑安装tensorflow-cpu，它不需要GPU支持。 引用中提到了使用conda指令安装tensorflow-gpu 1.14.0的过程可能比较缓慢，需要耐心等待。引用中提供了使用清华大学镜像源进行安装的方法。而引用中指出在tensorflow 2.x版本中不再区分使用gpu还是cpu，当检测到有gpu并安装了cuda后，会自动调用gpu。如果你的目标是使用gpu，确保你的环境配置正确。如果你遇到任何问题，可以查看你的设备可使用情况，可以使用以下代码查看cpu和gpu设备的可用情况： from tensorflow.python.client import device_lib print(device_lib.list_local_devices()) 这些命令将显示你的设备列表，包括可用的CPU和GPU设备。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>
评论 2
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