画风真的很粗暴的 WIN8.1+anaconda3+TensorFlow-GPU+cuda9.1+cudnn7.1 配置攻略

忽然想把笔记本的显卡用起来,便开始配置和实验室基本一样的深度学习环境。

但是实验室的电脑是win7,但是自己笔记本是WIN8.1的系统。忽然想起在下载cudnn时貌似没有支持win8的包,然后开始疯狂的搜索攻略和博客,最后,未果。就这么作死一试吧。万一成功我就有了自己的第一篇CSDN的博客哈哈哈~

第一步:先去查查自己的显卡支持这种配置嘛,怎么查我也不清楚,反正我知道我的是可以的。按照我大概的了解吧,N卡得去官网看看自己的显卡的计算能力,A卡就别折腾了,先去安个虚拟机啊Linux啊之类的

第二部,去下载个anaconda的安装包,我用的在这里,大家可以自己去下载的,官网是这个 https://www.anaconda.com/download/ ,我这种操作就是只认识download这个单词,然后看到个数字大的,排在前面的,点进去,成不成就他吧~


然后开始安装了,记得点添加到环境变量那个勾勾,然后变成了红色,管他呢,只要不报错,红不红没关系,继续安装~

终于想起来截图了,好的呢,快安装好了~


然后一直next到finish,中间反正一些可有可无的勾勾选选没什么大碍,看着自己英语水平随意一点好了~

第几步,下载cuda的安装包,百度一下吧,好呢,第一个看起来数字大还靠前,就他吧


点进去,甩个网址好了

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=81&target_type=exelocal


忽然英文在线了,看到了local这个单词,就它吧,我是win8.1的系统,大概就这样,开始下载中。。。

下一步:趁这个漫长的下载过程,赶快也把cudnn下载一下好了,一样的百度方法,甩个网址

https://developer.nvidia.com/cudnn

貌似得注册一下,注册过程很麻烦,经常有各种服务器不提供服务的毛病,然后,fq,问题解决,开始下载,啦啦啦~


管他的呢,download点起来,然后,what???真没有win8.1???过分!这对一个妹子来说简直是难以逾越的鸿沟啊!系统我还没打算换呢!还不支持!我也不打算装个虚拟机啊!!!啊啊啊啊!

算了,向下试试吧,就这个win7了,成不成试试吧、、忐忑中


不知道第几步了,嗯就这样吧第m步,我的anaconda安装好了呢,那就使用一下他的集成环境,安一下Python吧~

在cmd里面,输入conda list ,会显示一大堆conda集成的环境,其实我就是为了测试下是不是添加到环境变量里来了,看来添加到了,要是没有添加到那你就自己添加呗~


往下翻,看到了,嗯,自己的代码ok呢~那就这样吧~


然后,安装TensorFlow-gpu,很简单啊,直接pip就ok~

先截个图吧,万一呢


很幸运了,竟然输对了、、话说也很服了自己能力不强天天随意试试的操作了、万一对了,哦,真是幸运的受眷顾的一天呢~万一错了,看看看还得修炼自己天天猜猜猜猜什么啊、反正每天就这样随意的过着呗,反正生活都很美好呢~


啊哦,错了呢


看提示,升级呗~


忽然丢人(尴尬又不失礼貌的微笑)、、、

嗯,又失败了,发现是权限不够,好了呢,关掉用管理员身份打开试试(尴尬又不失礼貌的微笑)。



忽然看到了success啥啥啥,管他呢,反正姐姐我成功啦哈哈哈,又是幸运的一天啦啦啦~


真的成功了呢,那就顺手升级下pip吧


啦啦啦。很幸运的又成功了~

安装好TensorFlow-gpu之后就要安装N卡的驱动了,cuda装起来~


我这种嘛,配复杂环境的时候脑回路总是不太够,不如直接默认,爱咋咋地,截个图留个纪念~


可以呢~


安装选项,我上回安精简成功了,这回还是它吧,不行了再安~


继续等待,已经23:53了,我先顺势躺下刷刷微博有什么消息哈哈哈~万一睡着了那就明天见吧~


然后很幸运,0:23成功~啦啦啦~

接下来吧cudnn放到cuda的文件夹下,根本没有什么科技含量,只要按照路径放对就行~~~


然后找个代码测试下~啥啥啥?代码最多支持的是cuda9.0???好吧,同样方法安装cuda9.0,再把我的代码跑一下,目测要成功啊


还真是可以呢    


已经1:17,好啦洗洗睡啦~

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
使用Anaconda3和PyCharm来配置TensorFlow-GPU 2.4.0深度学习环境是一个相对简单的过程,我将分享我的经验。 首先,你需要确保已经在计算机上安装了Anaconda3和PyCharm。然后,你可以按照以下步骤进行配置: 1. 打开Anaconda Navigator,并创建一个新的虚拟环境。你可以选择Python 3.7版本,并命名环境为"tensorflow-gpu"。 2. 激活新环境后,在终端或命令提示符下输入以下命令来安装TensorFlow-GPU 2.4.0: ``` conda install tensorflow-gpu=2.4.0 ``` 3. 安装完成后,你可以通过以下命令验证TensorFlow-GPU是否正确安装: ``` python -c "import tensorflow as tf; print(tf.__version__)" ``` 如果输出显示为2.4.0,则说明TensorFlow-GPU已经成功安装。 4. 接下来,在PyCharm中打开一个新的项目。在项目设置中,选择已创建的虚拟环境"tensorflow-gpu"作为项目的Python解释器。 5. 在PyCharm的终端中,使用以下命令来安装GPU版本的TensorFlow依赖项: ``` pip install tensorflow-gpu==2.4.0 ``` 6. 安装完成后,你可以编写和运行使用TensorFlow-GPU的代码了。 在配置过程中,可能会遇到一些问题。例如,TensorFlow-GPU要求计算机上安装了适当的显卡驱动程序,并且CUDAcuDNN版本与TensorFlow-GPU的要求相匹配。此外,如果你在安装过程中遇到任何问题,可以尝试升级或降级Anaconda、PyCharm和TensorFlow-GPU版本,以找到兼容的组合。 总之,通过Anaconda3和PyCharm配置TensorFlow-GPU 2.4.0深度学习环境是一项相对简单的任务。如果按照上述步骤操作,你应该能够成功地设置和使用TensorFlow-GPU来进行深度学习任务。

“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 2
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