Anaconda、CUDA、Tensorflow等安装问题及解决办法

说明

您好! 在此重点说明我自己安装时出现的几个问题及解决办法,安装详细过程不做说明。

一、安装

1、Anaconda3安装

下载地址:https://www.anaconda.com/products/individual
务必勾选“Add Anaconda to my PATH environment variable”一项,这样可以通过命令行方式调用 Anaconda 的程序。如下图所示。
图1 自动配置环境变量

图1自动配置环境变量

2、CUDA安装(cuddn)

下载地址:https://developer.nvidia.com/cuda-toolkit-archive
对于安装路径,只要保证CUDA Development和CUDA Documentation路径一致,samples单独路径即可。你可以先自定义好路径,然后分别进行浏览。如下图所示。
图2 原始安装路径

图2 原始安装路径
Cuddn下载链接:[https://pan.baidu.com/s/1L2yxaqB_2Q6guFjFZ_2UtQ](https://pan.baidu.com/s/1L2yxaqB_2Q6guFjFZ_2UtQ)、提取码:xyzc

3、Tensorflow2.0安装

Cmd命令行:

pip install tensorflow-gpu==x.x.x -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install tensorlfow==x.x.x -i https://pypi.tuna.tsinghua.edu.cn/simple

二、安装配置的一些问题

1、NVIDIA显卡及版本问题

问题:window10系统下不知道自己有没有NVIDIA显卡,有的话版本是多少。
解决办法:先看有没有NVIDIA显卡,我的电脑(右键“属性“)->设备管理器->显示适配器或者设置->系统->高级显示设置,没有的话就不用安装CUDA了,直接安装tensorflow就行。若有NVIDIA显卡,直接打开图3NVIDIA控制面板(NVIDIA Control Panel)->系统信息(图4左下角)->驱动程序版本(图5)。
图3

图3

图4

图4

图5

图5

2、安装速度慢

问题:安装速度慢
解决办法:镜像安装 https://pypi.tuna.tsinghua.edu.cn/simple

3、jupyter中导入tensorflow出错

问题:在当前虚拟环境下安装测试没有问题,但进入jupyter中导入tensorflow出错
解决办法:在当前虚拟环境下安装ipython、jupyter

三、涉及到的cmd命令


// 验证
conda list (Anaconda)
nvcc -V(CUDA)
import tensorflow as tf
tf.version
tf.test.is_gpu_available()

//查看所有环境
conda env list

//激活、关闭环境
activate 环境名称
conda deactivate

//创建、删除新的虚拟环境
conda create --name 环境名称 python=python版本号
conda remove -n 环境名称 –all

//删除环境中某个包
conda remove --name your_env_name package_name

//查看所有包
conda list / pip list

//安装包
pip install package_name -i 清华镜像

//卸载包
pip uninstall package_name

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于安装 TensorFlow-GPU 1.14.0,您需要确保您的 Anaconda 环境已正确设置,并且已安装了正确版本的 CUDA 和 cuDNN。 下面是安装步骤: 1. 首先,确保您已经成功安装Anaconda。如果还没有安装,请按照官方文档的指导进行安装。 2. 接下来,您需要安装 CUDA 10.0。您可以从 NVIDIA 官方网站下载适用于您的操作系统的 CUDA 安装程序,并按照指示进行安装。 3. 安装 CUDA 后,您需要安装 cuDNN 7.4。您需要先注册一个 NVIDIA 开发者账号,然后从 NVIDIA 开发者网站下载 cuDNN 安装包。根据您的操作系统和 CUDA 版本选择正确的版本,并根据 cuDNN 安装指南进行安装。 4. 安装CUDA 和 cuDNN 后,打开 Anaconda Prompt(Windows)或终端(macOS/Linux)。 5. 创建一个新的环境并激活它: ``` conda create -n tf_gpu_env python=3.7 conda activate tf_gpu_env ``` 6. 在新环境中安装 TensorFlow-GPU 1.14.0: ``` pip install tensorflow-gpu==1.14.0 ``` 7. 安装完成后,您可以通过运行以下代码来验证 TensorFlow 是否正确安装并使用 GPU: ```python import tensorflow as tf print(tf.test.is_gpu_available()) ``` 如果输出为 True,则表示 TensorFlow 正确安装并且可以使用 GPU。 请注意,安装 TensorFlow-GPU 需要确保您的系统满足 CUDA 和 cuDNN 的要求,并且您的 GPU 支持 CUDA。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

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