Win10(1903)+Python 3.7+CUDA10+cuDNN7.6.2+TensorFlow-GPU 1.14安装详解Installation Guide

摘要:

前年冬天装了一套1080Ti平台,因在外地上学没时间折腾闲置。因为电脑用的RAID1矩阵,加上平时做ML用的都是Linux,突发奇想直接在Win10上部署TensorFlow-GPU加速。既然搞了,那就搞最新的一套。本教程采用NVIDIA官方思路,结合NVIDIA Documentation,尝试搭建了基于CUDA 10、cuDNN7.6.2的TensorFlow-GPU计算平台。并在文末给出了基准功能测试方法。

关键字:简洁、快速、最新

 

过程简述:

笔者台式机配置:(其他硬件配置的预测基于同架构产品驱动程序一致性,与不同架构产品指令集一致性)

Desktop:
CPU:Intel Core i7 7700k/All family supported after 2nd Generation
GPU:NVIDIA Geforce GTX 1080Ti(CUDA Support List:https://www.geforce.com/hardware/technology/cuda/supported-gpus)
Memory:Kinston 16GB@DDR4 2600MHZ(The bigger, the better)
Other hardware are not listed in the interest of points..

 

第一步,安装Anaconda。

下载:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

安装的第三个界面选择All Users,并

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
提供的源码资源涵盖了安卓应用、小程序、Python应用和Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。

“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
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