win10安装tensorflow-gpu1.11+cuda9+cudnn7

Ubuntu 16.04 下安装

Ubuntu16安装TensorFlow-gpu

windows下安装

环境

  • gtx1050ti+win10+已安装显卡驱动

  • 已经安装了pytorch1.4,其中cuda是9.2。pytorch安装参考官网

  • 在电脑的Nvida软件中显示信息是:驱动 :418.91
    Cuda:10.1.95

版本选择

在这里插入图片描述

在这里插入图片描述

安装tf1.11+cuda9.0+cudnn7.4.1.5

下载对应版本
安装cuda

在这里插入图片描述

  • 这个时候可以会报错,直接自定义安装就可以。下面的比本版本低的版本就不要安装了。
    在这里插入图片描述
安装完成使用
nvcc -V

命令查看cuda版本在这里插入图片描述

复制cudnn库文件到指定文件夹
  • 复制 cudnn\bin\cudnn64_5.dll 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin\
  • 复制 cudnn\include\cudnn.h 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include\
  • 复制 cudnn\lib\x64\cudnn.lib 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64\
使用conda安装gpu版本
conda install tensorflow-gpu==1.11
测试
import tensorflow as tf
tf.test.is_gpu_available()

输出True则安装成功

常见问题
  • numpy版本太高
futurewarning: passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'. _np_qint8 = np.dtype([("qint8", np.int8, 1)])

解决办法:将numpy卸载,安装numpy1.16

  • 安装Numpy时候setuptools版本太高

解决办法:对setuptools降级到满足numpy版本的版本

  • 测试时候报了一些警告
2020-03-10 22:51:52.290103: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
2020-03-10 22:51:53.281965: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1411] Found device 0 with properties:
name: GeForce GTX 1050 Ti major: 6 minor: 1 memoryClockRate(GHz): 1.62
pciBusID: 0000:01:00.0
totalMemory: 4.00GiB freeMemory: 3.30GiB
2020-03-10 22:51:53.290244: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1490] Adding visible gpu devices: 0
2020-03-10 22:51:55.859029: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] Device interconnect StreamExecutor with strength 1 edge matrix:
2020-03-10 22:51:55.864008: I tensorflow/core/common_runtime/gpu/gpu_device.cc:977]      0
2020-03-10 22:51:55.866354: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990] 0:   N
2020-03-10 22:51:55.871476: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1103] Created TensorFlow device (/device:GPU:0 with 3010 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1050 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1)

解决办法:

 import os  ##加上这两句,可以不显示警告
 os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

参考

https://blog.csdn.net/zsc201825/article/details/91129403
https://blog.csdn.net/weixin_42419002/article/details/100665921
https://blog.csdn.net/lex_me/article/details/84371895
Ubuntu安装tf1.14+cuda10.0+cudnn7参考:https://www.linuxidc.com/Linux/2019-06/158951.htm

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: 要在Windows 10上安装tensorflow-gpu,可以按照以下步骤进行操作: 1. 安装CUDA Toolkit TensorFlow-gpu需要CUDA Toolkit作为其GPU支持的基础。因此,首先需要在你的计算机上安装适用于你的GPU版本CUDA Toolkit。可以从NVIDIA官网下载相应的版本,并按照安装向导进行操作。 2. 安装cuDNN TensorFlow-gpu还需要cuDNN作为其GPU支持的一部分。cuDNN是NVIDIA的深度学习库,可以通过NVIDIA的网站下载并安装。 3. 创建虚拟环境 推荐在安装tensorflow-gpu之前创建一个Python虚拟环境。可以使用Anaconda或者Python自带的venv模块来创建虚拟环境。 4. 安装tensorflow-gpu 在虚拟环境中,可以使用pip来安装tensorflow-gpu,命令为:pip install tensorflow-gpu。 完成以上步骤后,就可以在Windows 10上使用tensorflow-gpu了。 ### 回答2: win10安装tensorflow-gpu TensorFlow是一个开源的机器学习库,它由谷歌公司开发和维护。它具有高效、灵活、易用等优点,是构建人工智能应用的主要工具之一。如果你使用GPU进行深度学习,那么安装tensorflow-gpu可以提高训练速度,让你更快地处理大规模的数据集。在本文中,我们将介绍如何在Windows 10操作系统上安装tensorflow-gpu。 1. 安装CUDA工具包 如果你正在使用NVIDIA GPU,那么你需要先安装CUDA工具包。CUDA是一款NVIDIA推出的并行计算平台和编程模型,它支持使用GPU进行高性能计算。在安装CUDA之前,你需要确定你的GPU是否支持CUDA。可以在NVIDIA官网上查看你的GPU支持的CUDA版本。接下来,按照如下步骤安装CUDA 打开NVIDIA官网,选择CUDA下载页面 选择符合你GPU版本,下载相关的安装安装CUDA,按照提示进行操作 2. 安装cuDNNcuDNN库是一个加速深度神经网络的库,它也是由NVIDIA进行开发和维护。为了确保你的深度学习应用能够最大限度地利用GPU加速,你需要安装cuDNN库。 到NVIDIA官网上下载cuDNN库,下载之前需要先注册一个账号 下载完成后,解压文件,将文件的路径添加到PATH环境变量中 3. 安装Anaconda Anaconda是一个Python发行版,它包括了Python解释器、常用的Python包和工具。安装Anaconda可以使我们更加方便地安装、管理Python包和环境。在安装Anaconda之前,你需要选择你想要的Python版本。你可以在Anaconda官网上下载适合你的版本安装Anaconda,将其添加到系统环境变量中。安装过程中需要注意安装路径,如果路径中带有空格,请把路径加到环境变量时加上引号。 4. 安装TensorFlow 打开Anaconda Prompt(或使用其他命令行工具),输入如下命令: conda create -n tensorflow-gpu python=3.6 activate tensorflow-gpu pip install tensorflow-gpu 这个命令将会在你的Anaconda中创建一个名为tensorflow-gpu的新环境,安装Python版本为3.6,然后安装包含TensorFlow-gpu的依赖。 安装完成后,你需要运行一些TensorFlow的示例代码以确保安装成功。打开Python和TensorFlow的交互式环境,输入如下命令: import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello)) 如果输出结果是“Hello, TensorFlow!”,那么恭喜你,你已经成功安装TensorFlow-gpu。 总结来说,win10安装tensorflow-gpu的步骤主要包括安装CUDA工具包、安装cuDNN库、安装Anaconda以及安装TensorFlow。毫无疑问,这是一项需要花费一些时间和精力的任务,但是一旦你成功地完成了上述步骤,你将可以轻松地使用GPU进行深度学习,以及更快地处理大规模的数据集。 ### 回答3: Windows 10作为一个非常流行的操作系统,在计算机领域中被广泛使用。如果你想要在Windows 10上使用tensorflow-gpu,那么你需要做一些准备工作,以确保安装能够成功进行。下面是一些安装步骤: 1. 下载Anaconda 在安装tensorflow-gpu之前,需要先下载Anaconda。Anaconda是一个开源的Python发行版,这里我们需要下载Python 3.6版本的Anaconda。下载的链接为:https://www.anaconda.com/products/individual#Downloads,选择适合自己的版本进行下载并安装。 2. 安装CUDA 在下载tensorflow-gpu之前,需要先安装CUDACUDA是一个并行计算平台,它可以加速机器学习和深度学习的计算过程。在这里,我们需要安装的是CUDA 9.0版本。首先,需要前往官网下载CUDA 9.0版本安装包,链接为:https://developer.nvidia.com/cuda-90-download-archive。下载并按照默认设置进行安装。 3. 安装cuDNN cuDNN是用于加速深度学习计算的一个库。但是,在安装之前,需要先注册一个NVIDIA账号。注册完成之后,前往链接https://developer.nvidia.com/cudnn下载cuDNN安装包。根据下载安装文件的说明安装即可。 4. 安装tensorflow-gpu 安装tensorflow-gpu之前,需要先打开Anaconda Prompt,并创建一个新的虚拟环境,输入以下命令: conda create --name tensorflow-gpu python=3.6 这个命令将会创建一个名为tensorflow-gpu的虚拟环境,并使用Python 3.6版本安装完成之后,可以激活这个虚拟环境,输入以下命令: conda activate tensorflow-gpu 接下来就可以安装tensorflow-gpu了,输入以下命令: pip install tensorflow-gpu 安装完成后,我们可以通过以下语句验证tensorflow-gpu是否正常安装: python -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))" 如果安装成功,将会有一大串数字输出,表示tensorflow-gpu已经成功安装。 综上,如果你想在Windows 10上安装tensorflow-gpu,需要先下载Anaconda,然后安装CUDAcuDNN,最后安装tensorflow-gpu。请按照以上步骤进行操作。

“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
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

打赏作者

Tech沉思录

点赞加投币,感谢您的资瓷~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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