conda指定路径的安装 、tensorflow-gpu的安装

于 2024-03-20 09:02:57 发布
阅读量229 收藏 2
点赞数 7
文章标签： conda tensorflow python
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_40105923/article/details/136863003
版权

可以手动去conda官网上下载相应版本的conda；此处以centos系统为例；如下

下载该软件；随后将其放到指定目录下；

随后输入命令

bash Anaconda3-2024.02-1-Linux-x86_64.sh -b -p <installation_path>/conda

首次使用，需要初始化conda环境：

<installation_path>/conda/bin/conda init

重新登录

source <installation_path>/conda/bin/activate

创建虚拟环境

conda create --name py_tf python=3.8.10

查看虚拟环境

conda env list

激活及删除虚拟环境

conda activate py_tf
conda remove py_tf

指定路径的cuda安装tensorflow-gpu

export PATH=<installation_path>/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:<installation_path>/cuda-11.8/lib64   

conda install -c conda-forge tensorflow-gpu

未来人生爱美食
关注
  • 7
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
使用conda安装cuda、torch前要先查看版本
weixin_42165913的博客
12-27 4339
conda安装cuda、pytorch、cudnn
在Anaconda虚拟环境中安装cuda和cudnn
yandonglaixi的博客
05-26 3015
这个方法可以避免安装多个cuda的切换问题，直接在每个虚拟环境中安装自己需要的cuda版本，相比较tensorflow官方推荐的docker的安装方法，可以达到相同的效果，但是实践起来更简单，总之推荐大家以后在虚拟环境下安装所需要的cuda和cudnn。
最新版本的Anaconda环境配置、Cuda、cuDNN以及pytorch环境一键式配置流程
一名在读大学生，正在学习深度学习，会定期分享一些该领域内容。欢迎大家一起交流学习~
08-12 6361
本教程是最新的深度学习入门环境配置教程，跟着本教程可以帮你解决入门深度学习之前的环境配置问题。同时，本教程拒绝琐碎，大部分以图例形式进行教程。
Linux 的 anaconda 虚拟环境下安装指定的 cuda、cudnn、pytorch
qq_42194665的博客
04-08 8348
【代码】Linux 的 anaconda 虚拟环境下安装指定的 cuda、cudnn、pytorch。
Win10安装anaconda 和cuda+cudnn详细教程
m0_55336071的博客
04-26 5093
安装anaconda 和cuda+cudnn教程 目录 安装anaconda 和cuda+cudnn教程 安装anaconda 进入官网https://www.anaconda.com/products/individual 1：点击Download 2：选择python3.8的64bit的版本进行下载 3：运行下载的文件 4：点击“I Agree” 5：选择all users 6：选择你要装的路径（我这里就选D盘） 7：这里注意一定要勾选第一项，添加到pa..
Linux安装Anaconda3并创建虚拟环境来安装tensorflow-gpu和tensorflow-federated
12-21
以下将详细介绍如何在Linux上安装Anaconda3以及在其中创建一个名为“tff”的虚拟环境，然后安装TensorFlow-GPU和TensorFlow-Federated。 首先，你需要从清华大学的镜像站点下载Anaconda3的安装脚本。这可以通过运行...
Tensorflow-gpu2.0.0安装以及tensorflow-gpu安装成功的测试程序.pdf
05-12
命令可能类似于`conda create -n tf_gpu tensorflow-gpu==2.0.0`或`pip install tensorflow-gpu==2.0.0`。 测试安装是否成功，我们可以使用提供的测试代码。代码首先导入TensorFlow库，并通过`tf.device('/cpu:0')`...
tensorflow-gpu1.12.0离线安装所需库的安装包
02-18
5. **安装TensorFlow**: 将你下载的"tensorflow-gpu-1.12.0"离线安装包用pip在虚拟环境中安装。 6. **验证安装**: 安装完成后，编写一个简单的TensorFlow脚本来测试GPU是否被正确识别和使用。 请注意，安装过程中...
解决Ubuntu18中的pycharm不能调用tensorflow-gpu的问题
12-16
如果你使用的是Anaconda或Miniconda，创建一个专门的conda环境来安装TensorFlow-GPU，并在PyCharm中选择该环境作为项目解释器。 9. **PyCharm配置文件**： 修改PyCharm的启动配置，添加启动参数`-u`以启用无缓冲...
记一次 win10 TensorFlow-GPU 安装
12-20
如果需要安装其他特定版本的TensorFlow，可以指定版本号，例如`pip install tensorflow-gpu==1.14`。 6. 最后，验证TensorFlow-GPU是否安装成功，运行Python解释器并输入`import tensorflow as tf; print(tf.__...
Linux安装显卡驱动、annaconda和CUDA（超详细）
热门推荐
Billie使劲学的博客
08-02 2万+
下图安装过的显示，可以看到显卡驱动（Driver Version）的版本号为462.30.使用vim 打开这个文件后，将下面两行复制进去，然后光标移动到文件末尾，键入。你可以根据项目需要选择你要安装的CUDA版本（但是不要超过系统所支持的这个版本）。如果显示如下界面，就重启一下系统，如果还不显示可能就是安装失败了。显示如下，可以看到使用的系统未Ubuntu，版本号为 18.04。然后再 source ~/.bashrc 一下，更新一下变量。你会进入到如下界面，选择你需要的CUDA版本。
Anaconda CUDA cuDNN TensorFlow-GPU（下载安装流程）
最新发布
weixin_64625466的博客
09-30 1362
解压之后将bin include lib 三个文件夹分别复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1（CUDA安装路径下bin include lib这三个文件夹中）(myenv是你给这个环境取的名字，python=3.7是你的python的版本，以上两个都可以修改)(myenv同上 用你取的环境名替代)如果返回True 就表示安装好了。在进入创建好的环境后输入。
Anaconda虚拟环境+CUDA+Cudnn安装笔记
没有简介
08-01 2728
1. CUDA版 PyTorch2. cudatoolkit-xxxxx.conda 本地包3. cudnn-xxx.donda 本地包（非必要，结合项目需求安装，不确定的可以先不装）
conda安装包到指定目录
GiserYaoyao的博客
06-15 2552
conda安装包到指定目录
anconda虚拟环境安装cuda10.2 懒人篇
weixin_44208660的博客
08-20 4677
cuda10.2的个人安装过程，安装成功了很激动，记录一下，如果能提供参考，那很荣幸
查看anaconda安装库/包的位置（路径）
weixin_50523140的博客
05-09 1万+
以下是在使用conda install装完库后，查看库源码位置的步骤： //查看当前环境里已安装的包，输出为3列，分别为：包名称、已安装版本、安装来源/方法 conda list //查找某个包/方法所在具体路径，先进入python环境 python //进入python编程环境 //在Python中使用 import module //module用包（或方法）的名称代替即可 print(module.__file__) //查
anaconda 指定安装源路径
dandingkaer2的博客
02-02 4164
个人纪录，以免忘记
使用conda安装package时指定安装路径和channel
weixin_45211381的博客
04-06 3382
conda install --prefix=~/pyenv/py36 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ pytorch torchvision cuda91 -c pytorch
如何将在Anaconda下安装虚拟环境到指定路径以及通过.whl文件和指定源来安装库
学眞的博客
04-29 1万+
一般如果我们不指定路径的话，虚拟环境创建后会默认安装在anaconda所安装的目录下，比如我的是C:\ProgramData\Anaconda3\envs，此处encvs就是anaconda自动创建的虚拟环境根目录。anaconda安装python3.5版本的虚拟环境的步骤如下：　　输入安装命令：　　conda create -n tensorflow python=3.5如上，创建好后，激活虚拟...
安装tensorflow-gpu
09-17
### 回答1： 好的，下面是安装tensorflow-gpu的步骤： 1. 首先，确保您已经安装了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显卡驱动程序。 2. 接下来，您需要安装CUDA工具包。在安装CUDA工具包之前，请确保您的显卡支持CUDA计算。您可以在NVIDIA官方网站上找到CUDA工具包的下载链接，并根据您的显卡型号下载对应的版本。 3. 安装cuDNN库。cuDNN是NVIDIA提供的针对深度神经网络的加速库，可以提高深度学习训练的速度和效率。您可以在NVIDIA官方网站上下载cuDNN库，并按照安装指南进行安装。 4. 然后，您可以使用pip安装tensorflow-gpu。在命令行中运行以下命令：pip install tensorflow-gpu 5. 安装完成后，您可以在Python中导入tensorflow-gpu库并开始使用它。 希望这些步骤能够帮助您成功安装tensorflow-gpu！ ### 回答2： 安装tensorflow-gpu需要按照以下步骤进行： 1. 安装NVIDIA显卡驱动程序：在安装tensorflow-gpu之前，首先需要确保计算机上的NVIDIA显卡驱动程序已正确安装并更新到最新版本，以充分利用显卡的计算能力。 2. 安装CUDA Toolkit：CUDA Toolkit是一个针对NVIDIA GPU的并行计算平台和编程模型。去NVIDIA官网下载适用于自己显卡版本的CUDA Toolkit，并按照官方文档进行安装。 3. 安装cuDNN：cuDNN是一个高性能的GPU加速库，用于深度神经网络的加速。在官方网站上下载与CUDA版本对应的cuDNN，解压文件并将其复制到CUDA Toolkit的安装目录中。 4. 安装tensorflow-gpu：打开命令提示符窗口，并输入以下命令来安装tensorflow-gpu： ``` pip install tensorflow-gpu ``` 这将使用pip工具从Python包索引中下载并安装tensorflow-gpu。确保已经激活了Python虚拟环境（如果有的话）。 5. 验证安装：安装完成后，通过运行以下Python代码来验证是否成功安装了tensorflow-gpu： ```python import tensorflow as tf print(tf.__version__) print(tf.test.is_gpu_available()) ``` 如果版本号正确且输出为True，则表示安装成功，并且可以开始使用tensorflow-gpu进行深度学习任务了。 需要注意的是，安装tensorflow-gpu需要计算机满足一定的硬件要求，包括NVIDIA显卡的兼容性以及是否支持CUDA和cuDNN等。在安装之前，建议查看tensorflow官方文档，了解所需的硬件和软件要求。 ### 回答3： 安装tensorflow-gpu可以提高机器学习和深度学习任务的训练速度，以下是安装步骤： 1. 首先，确保你的计算机已经安装了适当的NVIDIA显卡驱动程序。可以在NVIDIA官方网站上下载并安装与你的显卡型号匹配的驱动程序。 2. 接下来，安装CUDA（Compute Unified Device Architecture），这是NVIDIA的并行计算平台和应用程序接口。根据你的显卡型号，选择并下载适当版本的CUDA，并进行安装。记住在安装过程中设置正确的安装路径，以便后续配置时使用。 3. 安装cuDNN（CUDA Deep Neural Network library），它是专门为深度神经网络设计的GPU加速库。从NVIDIA开发者网站上下载与你安装的CUDA版本匹配的cuDNN版本，并按照官方文档进行安装。 4. 在终端窗口中打开一个命令行界面，使用适当的包管理工具（如pip或conda）安装tensorflow-gpu。运行命令 "pip install tensorflow-gpu"（如果使用pip）或 "conda install tensorflow-gpu"（如果使用conda）。这将自动下载并安装最新的tensorflow-gpu版本以及其依赖项。 5. 安装完成后，可以验证tensorflow-gpu是否正确安装。在命令行中输入python来启动Python解释器，然后输入以下代码来导入tensorflow-gpu并打印其版本号： ``` import tensorflow as tf print(tf.__version__) ``` 如果能够成功导入并打印出版本号，则表示tensorflow-gpu已经正确安装。 完成上述步骤后，你就成功地安装了tensorflow-gpu。现在你可以开始使用它进行GPU加速的机器学习和深度学习任务了。

“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 1
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