tensorflow-gpu安装（anconda下，python3.7.1+win10+tensorflow1.13+vs2017+cuda10.1）

最新推荐文章于 2022-03-30 16:08:56 发布

flesh_coder

最新推荐文章于 2022-03-30 16:08:56 发布

阅读量1.8k

点赞数

分类专栏：深度学习机器学习文章标签： tensoflow-g'pu cuda

本文链接：https://blog.csdn.net/shiyuqing457/article/details/100044258

版权

深度学习同时被 2 个专栏收录

5 篇文章 0 订阅

订阅专栏

机器学习

5 篇文章 1 订阅

订阅专栏

方法一：不安装cuda直接用gpu版

参考链接
事先声明：是盗用的别人的方法，原作者如有异议可私我，小萌新将删除改博客
第一步：在anconda内安装你要的python版本
在这里插入图片描述
第二步：点击你新建的那个环境后面的三角形，选择open terminal，我的是python36。（就是打开这个环境下的终端），依次输入以下代码

conda install -c aaronzs tensorflow-gpu     
conda install -c anaconda cudatoolkit			
conda install -c anaconda cudnn

（解释：第一句是github上aaronzs大佬的包，-c 就是Anconada channel），
如果提示: Could not find ‘cudart64_90.dll’ ，重新输入：
conda install -c anaconda cudatoolkit=9.0 （原因是默认安装的是10.0，要换成9.0版本）

方法二

坑一：卸载cpu版本tensorflow

卸载方法：打开anconda prompt,输入 pip uninstall tensorflow

坑二：更新显卡驱动。

设备管理器–显示适配器，右键1050ti（根据自己的显卡而定），更新驱动。
在这里插入图片描述
需要下载的文件：（ps：建议用chrome浏览器下载，不然容易出错）

anconda安装

点击这里下载anconda，然后一直下一步就可以了，记得配置环境变量。

CUDA Toolkit 10.0安装

点击这里下载CUDA Toolkit 10.1

在这里插入图片描述

运行cuda_10.1.105_418.96_win10.exe，修改安装路径，之后会进行兼容性检查（按照上面对应的版本应该是没有问题的），同意许可协议后选择自定义安装

显示缺少VS支持，点击链接安装VS（选择通用Windows平台开发、使用C++的桌面开发、Python开发和Visual Studio 扩展开发），安装过程耗时较长，不要认为是卡了
在这里插入图片描述

安装过程可能会进行几次重启，属于正常现象，博主之前装了VS2017，也可以用的。如果提示缺少vs2015/vs2013组件不用理会。

重启（如果之前安装过cuda可能不会让你重启）。

验证cuda是否安装成功
显示cuda版本则安装成功，如果没成功，可以看一下驱动是否更新
在这里插入图片描述

安装cuDNN v7.5.0 (Feb 25, 2019), for CUDA 10.1

点击这里下载cuDNN v7.5.0 (Feb 25, 2019), for CUDA 10.1（需要先注册才能下载，建议用chrome下载，不然下载的文件可能会出错）
在这里插入图片描述
下载完后解压缩，把所有文件拷贝到CUDA的安装目录下（“C:\NVIDIA\CUDAv10.1”）

配置环境变量
确认系统变量有下面两个

依此添加下列三个路径到Path里
C:\NVIDIA\CUDAv10.1\bin
C:\NVIDIA\CUDAv10.1\include
C:\NVIDIA\CUDAv10.1\lib\x64
在这里插入图片描述

安装tensorflow1.13.1

点击这里下载tensorflow1.13.1
在这里插入图片描述

这里有两个版本，avx2版本和sse2版本，两个都可以，博主下的是avx2版本。（ps：建议下载sse2版本，如果不行再下载另外一个）

001，002这两个都要下载，下载后解压缩001，得到tensorflow_gpu-1.13.1-cp37-cp37m-win_amd64.whl
在这里插入图片描述

安装tensorflow
进入 .whl 文件的目录（建议将该文件拷贝到C盘）

通过pip进行安装

安装完成

测试

打开jupyther notebook，输入

import tensorflow as tf
 

with tf.Session(config = tf.ConfigProto(allow_soft_placement = True, log_device_placement = True)) as sess:
    # allow_soft_placement=True 表示使用gpu不能使用gpu时使用cpu
    # log_device_placement=False 不打印日志，不然会刷屏，为了查看是否使用gpu，我们设置为True
    a = tf.constant(1)
    b = tf.constant(3)
    c = a + b
    print('结果是：%d\n 值为：%d' % (sess.run(c), sess.run(c)))

打开设备管理器，看gpu1是否工作
在这里插入图片描述
参考博客：https://blog.csdn.net/huanyingzhizai/article/details/89298964 （该博客中tensorflow-gpu用anconda进行安装博主试过了，会出错，建议按博主的方法）