[环境配置]Win10+GTX1060+TensorFlow1.14+CUDA10+cudnn7.6.5+VS2017+Anacoda3

继上篇博客,我成功打算降级TensorFlow了,应为大多数模型用的是TensorFlow1,TensorFlow2运行要改的地方大多了.
上篇博客地址[环境配置]Win10+GTX1060+Anaconda+CUDA +cuDNN+TensorFlow

1 卸载环境

之前安装过Anacoda3,Anacodapython的版本有关,我就是使用python3.6就不用卸载Anacoda,那么 TensorFlow, CUDA,VS都需要被卸载.

1.1 卸载TensorFlow

使用下面命令

pip uninstall tensorflow

报错

WARNING: Skipping tensorflow as it is not installed.

因为我安装的是TensorFlow-gpu
解决方法:

检查拼写错误,没有错误后 输入pip list 查看pip安装的列表 然后按照列表中的名字进行卸载.
使用下面命令卸载

pip uninstall tensorflow-gpu

卸载成功

安装安装tensoflow-gpu
打开Anaconda prompt,创建tensorflow环境,命令:

conda create -n tensorflow python=3.6

在这里插入图片描述

使用conda info -envs查看一下刚刚创建的tensorflow环境
应该可以看到一个base,一个tensorflow(在anaconda3\envs中)
在这里插入图片描述

使用activate tensorflow激活tensorflow环境,这样就从base中切换到tensorflow中了,命令行的提示会相应更改。
此时在tensorflow的环境下安装tensorflow-gpu 1.14.0,因为网络可能较慢,这里选择换源下载,代码如下:

pip install --ignore-installed --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.14.0 

在这里插入图片描述
CUDA10.0.13
cudnn7.6.5

1.2 卸载CUDA11

在这里插入图片描述
在这里插入图片描述
与CUDA有关的都卸载干净,只留下下图的三个就行.
在这里插入图片描述
或者下图4个也行
在这里插入图片描述

1.3 卸载vs2019

在这里插入图片描述

2 安装

需要安装的有TensorFlow1.14+CUDA10+cudnn7.6.5+VS2017

2.1 安装vs2017

VS2017下载地址vs2017

在这里插入图片描述
配置环境变量
之前都配置过环境变量,但是这次更改发现,不用配置VS2017也行.那这次就不配置环境变量.

2.2 安装cuda10

CUDA10下载CUDA10.0.13
在这里插入图片描述

自定义安装下面就一路点下一步
在这里插入图片描述
不用勾选
添加环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include #这个可以不用添加

CUDA的验证可以参考我上篇博客.我就不重复写,链接在文章最前面.

2.3 安装cudnn

下载CUDA10对应的cuDNN cudnn7.6.5 解压
在这里插入图片描述
复制上面三个文件到CUDA目录下
在这里插入图片描述

2.4 安装TensorFlow

安装tensoflow-gpu
打开Anaconda prompt,创建tensorflow环境,命令:

conda create -n tensorflow python=3.6

在这里插入图片描述

使用conda info -envs查看一下刚刚创建的tensorflow环境
应该可以看到一个base,一个tensorflow(在anaconda3\envs中)
在这里插入图片描述

使用activate tensorflow激活tensorflow环境,这样就从base中切换到tensorflow中了,命令行的提示会相应更改。
此时在tensorflow的环境下安装tensorflow-gpu 1.14.0,因为网络可能较慢,这里选择换源下载,代码如下:

pip install --ignore-installed --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.14.0 

在这里插入图片描述
验证TensorFlow

import tensorflow as tf
hello = tf.constant('hello')
ses = tf.Session()

在这里插入图片描述
结果为上图就成功了.

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 要在conda上安装CUDA 10.1和cuDNN 7.6.5,可以按照以下步骤进行操作: 1. 首先,确保已经安装了Anaconda或Miniconda。可以从官方网站(https://www.anaconda.com/)上下载适合您系统的版本,并按照安装指南进行安装。 2. 在终端或命令提示符中打开Anaconda Prompt或Miniconda Prompt。 3. 创建一个新的conda环境,可以通过执行以下命令创建一个名为“myenv”的环境,并选择Python版本(此处选择Python 3.7): ```shell conda create -n myenv python=3.7 ``` 4. 激活新创建的conda环境: ```shell conda activate myenv ``` 5. 添加CUDA的conda存储库,可以通过执行以下命令添加官方的CUDA存储库: ```shell conda config --add channels conda-forge ``` 6. 安装CUDA 10.1和cuDNN 7.6.5,可以执行以下命令: ```shell conda install cudatoolkit=10.1 cudnn=7.6.5 ``` 7. 等待安装完成。conda会自动解析依赖关系并下载和安装所需的软件包。 8. 安装完成后,您可以通过执行以下命令验证CUDAcuDNN的安装: ```shell nvcc --version # 检查CUDA版本 python -c "import torch; print(torch.cuda.is_available())" # 检查cuDNN是否可用 ``` 通过按照以上步骤,在conda上成功安装CUDA 10.1和cuDNN 7.6.5,并可以进行深度学习开发和GPU加速的工作。 ### 回答2: 要在conda上安装CUDA 10.1和cuDNN 7.6.5,可以按照以下步骤进行操作: 1. 首先,确保已经安装了conda。如果还没有安装,请先前往conda官方网站(https://docs.conda.io/en/latest/miniconda.html)下载并安装。 2. 打开终端(或Anaconda Prompt,或Anaconda Navigator的终端界面)。 3. 创建一个新的conda环境。可以通过以下命令创建并命名环境(比如cudatoolkit10_1): ``` conda create -n cudatoolkit10_1 ``` 4. 激活新创建的环境: ``` conda activate cudatoolkit10_1 ``` 5. 安装CUDA 10.1。可以使用conda命令来安装: ``` conda install cudatoolkit=10.1 ``` 6. 安装cuDNN 7.6.5。首先,到NVIDIA官网(https://developer.nvidia.com/cudnn)下载相应版本的cuDNN。在下载完成后,进入cuDNN文件所在目录并解压缩文件。 7. 将解压缩后的文件复制到conda的环境路径中。可以使用以下命令将文件复制到合适的位置(‘path_to_cudnn_files’需要替换为你解压缩文件所在的路径): ``` cp path_to_cudnn_files/include/cudnn.h path_to_conda/envs/cudatoolkit10_1/include/ cp path_to_cudnn_files/lib64/libcudnn* path_to_conda/envs/cudatoolkit10_1/lib/ ``` 8. 安装完成后,可以通过以下命令验证CUDAcuDNN的安装情况: ``` conda list cudatoolkit conda list cudnn ``` 通过按照以上步骤操作,就可以在conda上成功安装CUDA 10.1和cuDNN 7.6.5。请注意,具体命令和路径需要根据自己的环境进行相应的调整。
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