tensorflow-gpu环境配置教程（win10）不用下载cuda cudnn 2019/11/19

最新推荐文章于 2024-01-16 10:10:38 发布
最新推荐文章于 2024-01-16 10:10:38 发布
阅读量943 收藏 8
点赞数 2
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_28017765/article/details/103143720
版权

tensorflow-gpu环境配置教程（win10）

第一次用markdown写文章 希望完美哈哈

  1. 首先是软件的下载 我用的是pycharm+anaconda(学生党可以去申请pycharm的激活码一次一年，需要学生证哦 也可以用免费的社区版)
  2. anaconda换源+创建环境
  3. 安装tensorflow-gpu版
  4. jupyter的安装
  5. pycharm的使用
  6. 测试过程

1.anaconda和pycharm

anaconda地址：https://www.anaconda.com/
pycharm地址：http://www.jetbrains.com/

2.anaconda换源+创建环境

安装成功后 打开anaconda prompt

换源非常重要哈

pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

最低0.47元/天 解锁文章
清风玉汝
关注
  • 2
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
win10/win11系统安装Tensorflow-GPU
kamille1024的博客
09-24 3707
win10/win11下Tensorflow-GPU的安装对版本要求很高，在下载之前一定要将电脑自带显卡、python、CUDA和cuDNN的版本信息核对清楚噢！争取一次成功！
Windows 10环境下TensorFlow(gpu版本)配置教程——[图解] [详细版][零基础]
XP的博客
02-04 5045
目录欢迎使用Markdown编辑器PyCharm：功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdow
Windows11+CUDA11.1安装Tensorflow-gpu
weixin_45231460的博客
05-21 1105
从tensorflow的。
Tensorflow1 搭建Cuda11
黎国溥
12-20 7035
Tensorflow1中默认支持cuda10及以下的，最高的版本Tensorflow1.15默认使用cuda10；但是一些高性能的显卡，比如A100、3090等，它们只支持Cuda11的，这就不太友善了，毕竟不少项目依赖Tensorflow1搭建的。本文整理2种方法，一种是基于Conda搭建的，一种是基于docker搭建的，都测试过可用的。目录一、基于Conda搭建Tensorflow1 Cuda111.1 环境搭建1.2 查看环境的库1.3 验证环境。
在已经安装高版本 cuda11.3下安装tensorflow 1.15.0 gpu版本
最新发布
耶律大石的博客
01-16 1250
tensorflow 1.15.0 版本的cuda要求不能太高 ，对应的cuda 和cudnn版本如下但是我们cuda已经安装了11.3，如果直接用pip 安装tensorflow，gpu 不会生效，报错因此我们需要使用conda安装，这样在虚拟环境中，他会自动下载cudatoolkit和cudnn，可以说很方便了。
Win10下配置tensorflow-gpu的详细教程（无VS2015/2017）
09-16
在Windows 10环境下配置TensorFlow-GPU是一个相对复杂的过程，因为涉及到多个组件的安装与配置，特别是当不依赖Visual Studio 2015或2017时，需要更细致的操作步骤。以下是一个详尽的教程，帮助你完成这个过程。 ...
win10下Anaconda CUDA cudnn 和 tensorflow-gpu 的安装及其环境配置-附件资源
03-05
win10下Anaconda CUDA cudnn 和 tensorflow-gpu 的安装及其环境配置-附件资源
TensorFlow的环境配置与安装教程详解（win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5）
09-16
至此，你的TensorFlow-gpu环境配置完成，可以开始进行深度学习项目了。请确保在整个过程中，所有版本的兼容性都得到妥善处理，避免遇到任何错误。如果你在安装过程中遇到问题，可以查阅相关教程或社区资源获取帮助。
Ubuntu Nvidia驱动/Cuda/Cudnn/tensorflow-gpu安装教程
09-14
Ubuntu 16.04 Nvidia settings/CUDA/CUDNN/Tensorflow-gpu/配置驱动错误解决方法/Ubuntu登录死循环解决方法
python Tensorflow-GPU 环境搭建（win11）
m0_58709899的博客
06-02 4688
（1）打开英伟达控制面板 如下图（2）查看对应显卡型号 如下图 我的版本是517（3）在网站查看该显卡驱动型号对应的cuda型号（支持的cuda最高型号） 如下图 可以看到 我的最高能支持到cuda11.8。
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
NVIDIA安培架构GPU安装CUDA 11与Tensorflow 1.15.2
Arieslady520的博客
08-24 1232
安培架构GPU安装Tensorflow 1.15.2
nvidia显卡驱动、cuda、cudnn、tensorflow对应版本
李昂的博客
10-26 7086
在nvidia官网下载驱动，驱动官网选择设备的驱动进行搜索下载即可，搜索时注意对应的操作系统 一般为安装NVIDIA Studio驱动版本，GeForce Game Ready适用于游戏玩家，下面是两个版本区别的官方解释 下载完的驱动会以版本号的形式命名，这个版本号在安装cuda时候会用到，以下是下载好的驱动文件名 516.93-desktop-win10-win11-64bit-international-nsd-dch-whql.exe 516.93–显卡驱动版本号 desktop–
使用Anaconda安装使用Cuda 11.0 和 CuDnn 8环境的Tensorflow-gpu 2.4.0
发布工作学习过程中遇到的问题和解决方案
05-07 2484
Install Tensorflow-gpu 2.4.0 with Cuda 11.0 and CuDnn 8 Using Anaconda Photo byChristian WiedigeronUnsplash Have you been frustrated, installing Tensorflow Gpu with Cuda and all stuff; If yes, This Blog is for you, here you’ll get an easy way to ins...
Win10最详细tensorflow-GPU环境的安装（安装anaconda、CUDA、CUDANN）
牧子川的博客
11-29 4795
一、准备工作 1、确定自己的电脑上能够配置GPU环境。 方法：打开控制面板，找到设备管理器 找到显示适配器，查看GPU算力，可以根据显卡算力下载相应Cuda和cudnn 查看GPU的型号以及算力https://developer.nvidia.com/cuda-gpus 小技巧：对于现在的电脑，一般来说都是由GPU环境的，也是可以使用GPU的。所以这一步就不是很重要，接下来的一步就非常非常重要 2、在Tensorflow官网找到对应的版本 tensorflow官网链接：在......
win10 + tensorflow2.4 +cuda11.0 + cudnn配置深度学习GPU环境
qq_43441764的博客
04-30 941
前言：说实话，很开心。因为之前的电脑版本配置太低，没有英伟达的显卡，导致不能用Gpu,很羡慕隔壁的小伙伴，那GPU刷刷的。 cuda+cudnn安装 进入正题，本机的英伟达的显卡的组件这边是11.2的，我就直接下了，然后我也直接下了cuda11.2版本的，但是报错，我就卸载之后重新安装了cuda11.0版本的。 下载之后安装，网上有很多安装教程，大家可以去看。进入cmd，nvcc -V，如果出现以下的信息就表示安装好了。 根据下载的cuda的版本下载对应的cudnn版本。解压之后将文件中的三个文件夹复制
安装tensorflow GPU版本--tensorflow-gpu版本与CUDA版本对应关系（持续更新，目前到TF2.10.1）
热门推荐
sunmingyang1987的博客
11-02 11万+
一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错 （1）确定自己要安装哪个版本的tensorflow-gpu； （1）根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本； （2）根据要安装的CUDA版本确定要下载的Cudnn版本。 二、tensorflow-gpu版本与CUDA版本对应关系 不同版本的tensorflow-gpu与CUDA对应关...
window10下RTX3090配置CUDA11.0 tensorflow-gpu版详解
苏打水的杯子的博客
12-24 7535
环境：（亲测可用） window10 RTX3090 python3.7.9 cuda11.0 cudnn-11.0-windows-x64-v8.0.4.30 tensorflow-gpu=2.4.0rc2 请先获得下面的ptxas.exe，替换C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin\ptxas.exe. 问题一：如果报缺cufft64_10.dll或者cudnn64_8.dll或者curand64_10.d
TensorFlow学习（11）安装GPU版本的Tensorflow
HAIYUANBOY的博客
05-09 777
安装CUDA 1. 准备好NVIDIA的显卡，下载安装CUDA：https://developer.nvidia.com/cuda-downloads 2.安装好之后把CUDA安装目录下的bin和lib\x64添加到环境变量Path中 安装cuDNN 1. cuDNN下载：https://developer.nvidia.com/rdp/cudnn-download 2. 解压压缩...
win10配置tensorflow-gpu=1.13.1
07-28
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CUDA和cuDNN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CUDA和cuDNN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
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