win10+cuda10.2+cudnn+tensorflow2.1.0配置机器学习环境（1）——anaconda详细安装教程

最新推荐文章于 2024-05-26 10:05:07 发布
最新推荐文章于 2024-05-26 10:05:07 发布
阅读量1.7k 收藏 1
点赞数
分类专栏： 机器学习自学笔记 文章标签： python anaconda windows 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tjb132/article/details/106912043
版权

在阅读完配置机器学习环境的首要知识之后就可以开始下载cuda和cudnn了
了解cuda、cudnn和tensorflow的版本要求，请转到博客：https://blog.csdn.net/tjb132/article/details/106911284#comments_12871656

写在开头：
anaconda 一定要添加环境变量！！！！
anaconda 一定要添加环境变量！！！！
anaconda 一定要添加环境变量！！！！
（建议手动添加）

Anacond下载

下载地址：https://www.anaconda.com/download/

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

Anaconda 是跨平台的，有 Windows、macOS、Linux 版本，我们这里以 Windows 64位 的 版本为例，点击对应版本下载

安装 Anaconda

双击下载好的 Anaconda2-5.2.0-Windows-x86_64.exe文件，出现如下界面，点击 Next 即可。
在这里插入图片描述
点击Next
在这里插入图片描述
点击 I Agree （我同意），不同意，当然就没办法继续安装啦。
在这里插入图片描述
Install for: Just me还是All Users，假如你的电脑有好几个 Users ，才需要考虑这个问题.其实我们电脑一般就一个 User，就我们一个人使用，如果你的电脑有多个用户，选择All Users，我这里直接 All User，继续点击 Next
在这里插入图片描述
这里，你可以改一下安装路径
在这里插入图片描述
这里来到 Advanced Options 了，所谓的“高级选项”。如果你英文好，有一定背景知识的话，肯定明白这界面上的意思。两个默认就好，第一个是加入环境变量，第二个是默认使用 Python 2.7，点击“Install”，终于开始安装额。（图是别人的，选择anaconda的版本应该都是3.7的，直接点击 next 就行）

在这里插入图片描述
到这就安装完成了。后面的直接一路 next 都行。

添加环境变量

这里特别关键。一定要添加环境变量。这就是我第一次安装完成之后，添加tensorflow后报错的原因。
在系统属性那添加环境变量（不懂的可以百度“怎么添加环境变量）
在这里插入图片描述
主要是添加 anaconda安装路径下 Scripts 文件的路径（图中是我电脑的安装路径，在D盘）
保险起见，我把 %Anaconda跟目录%\Library\bin 和 %Anaconda跟目录% 也添加了

在这里插入图片描述

biao169
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
Ananconda3 + Tensorflow-2.1.0 + Tensorflow-1.14.0 的安装配置（win10)
01-20
Anaconda 安装 + 环境配置 配置 Anaconda 环境变量 检验：安装成功 新增Anaconda 中国镜像 配置环境 最新的 tensorflow-2.1.0  创建新环境 tensorflow2 新环境下安装 tensorflow-2.1.0  退出环境 测试：...
cuda10.2 cudnn7.6 TensorFlow-gpu2.2.0遇到的坑
gg5358979的博客
02-04 1923
（纯纯小白的新手历程） 记录一下cuda cudnn TensorFlow遇到的坑 起因是想把一个用cpu跑的TensorFlow改成gpu。 说是TensorFlow 2.0往上就不用区分cpu gpu了，结果亲测不行，最后还是pip tensorflow-gpu=2.2.0了 cuda的版本，很多教程说让要看先显卡信息，其实这里是最高可支持的，比这个低的也可以，最好不要用最新版本 的。。。 cudart64_101 找不到这个的话，参考一个博主的做法（https://blog.csdn.ne
Win10+CUDA10.2+cuDNN+Anaconda的Tensorflow(GPU) & PyTroch安装
Circle-C的博客
04-28 8179
一. 电脑配置如下： 写在前面，本机的电脑配置如下： 操作系统：windows 10 专业版 （64位） CPU：i5 RAM：16G 显卡：GEFORCE GTX 960M 首先，在安装之前需要查看显卡所能支持的最高CUDA版本，打开【NVIDIA控制面板】，选择左下角的【系统信息】选项，并点击【组件】按钮进入到如下界面： 从图中我们可看出，GTX 960M的显卡支持CUDA 1...
ubuntu22.04安装cuda10.2
最新发布
qq_44972941的博客
05-26 485
ubuntu22.04高系统安装低版本的cuda10.2
cuda10.2安装GPU的Tensorflow
年少的勇气已经用完，剩下的就是三思而后行
04-26 2280
# 安装 pip install tensorflow-gpu==2.5.0 测试： # 查看tf版本 import tensorflow as tf print(tf.__version__) # 查看主机上运行的设备 import tensorflow as tf gpus = tf.config.experimental.list_physical_devices(device_type='GPU') cpus = tf.config.experimental.list_physical_devi
win10安装cuda10.2+tensorflow-GPU 1.14.0
weixin_45674216的博客
04-14 5566
一、问题提出 之前写好的代码都是基于tensorflow 1.14.0的，在自己笔记本上跑太慢了，所以搬到服务器去跑。但是一个很现实的问题就是服务器的CUDA是10.2的，因为服务器有很多人在用，其他人用的是10.2的，而tensorflow 1.14.0对应的CUDA版本是10.0的，我也不太可能去卸载了去重新装一个CUDA，在tensorflow的安装过程中不会出现大的问题，但是在后面运行的时候会报错，会提示找不到：cudart64_100.dll文件，看名称就可以看得出来是64位10.0版本的CUD
因安装cuda10.2导致tensorflow1.0级版本（对应cuda10.0）相关代码不兼容的解决方案
weixin_42017945的博客
02-24 1364
因安装cuda10.2导致tensorflow版本相关代码不兼容的解决方案
Windows10下Anaconda安装tensorflow2.1.0
12-21
Windows10下Anaconda安装tensorflow2.1.0 笔者最近在安装tensorflow2.1.0，有一些心得，仅供大家参考。 首先是电脑环境，笔者电脑有 Anaconda3\Pycharm\Visual Studio 2019\CUDA 10.1\cuDNN10.1 Anaconda官网 ...
TensorFlow2.1.0最新版本安装详细教程
01-20
此篇教程将介绍如何安装最新版TensorFlow框架（2.1.0版本） 安装步骤 1.常用IDE安装 2.CUDA安装 3.cuDNN神经网络加速库安装 4.TensorFlow框架安装 常用IDE安装 用户在Python官网上可以下载到最新版本（Python3.7）的...
tensorflow 2.1.0 安装与实战教程(CASIA FACE v5)
09-16
在本教程中，我们将深入探讨如何安装TensorFlow 2.1.0以及如何利用它进行实战，特别是针对CASIA FACE v5数据集的图像识别任务。首先，让我们详细讲解TensorFlow 2.1.0的安装步骤。 1. **Python环境的搭建**：...
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1-附件资源
03-05
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1-附件资源
tensorflow1.12支持cuda10
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.无mkl支持; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 TI 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]://home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： bazel build --config=opt --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
tensorflow-1.12支持cuda10.0
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.支持mkl,无MPI; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]:/home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： hp@dla:~/work/ts_compile/tensorflow$ bazel build --config=opt --config=mkl --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
亲测有效！！cuda10.2+cudnn10.2
11-10
Pytorch，tensorflow gpu运行必备！官网下载的太慢了。 里面包括win10环境下cuda10.2（百度网盘）+cudnn10.2文件 下载前请看自己的显卡版本能不能兼容cuda10.2！
超详细记录windows下cuda10.2，cudnn7.6.5，tensorflow-GPU-1.11安装与卸载，并在pycharm中配置
qq_44961737的博客
07-26 2216
超详细记录安装tensorflow，以及安装过程中的一些错误！
CUDA10.2下安装tensorflow-gpu2.0.0版本注意事项
热门推荐
yuanzhen_0128的博客
05-31 1万+
CUDA10.2下安装tensorflow-gpu2.0.0版本注意事项 最近新入手了一台i5-10200U的CPU，有一个极为鸡肋的MX250显卡（2G），且经得起造的ThinkPad T490笔记本电脑，为将来的移动办公做准备。今天突然心血来潮想试试它能不能用cuda的加速，去了NVIDIA的官网查询后，发现这块鸡肋N卡还真的支持cuda加速，就这样花了大半天的时间将cuda安装好后，并进行了一个CNN的网络训练。 一、安装准备 需要在你的NVIDIA控制面板→右下角系统信息→组件，去查看你的NVCUD
Ubuntu tensorflow2.X 调用cuda10.2
unsterbliche的博客
04-11 971
已经安装了CUDA 10.2，然后才发现TensorFlow 2.2只支持CUDA 10.1，CUDA10.2没有对应的tensorflow版本。采取下面的办法建一个软链接即可。 注意，我的cuda安装在conda虚拟环境里，不使用根目录里安装的cuda ln -s ~/anaconda3/envs/pytorch/lib/libcudart.so.10.2.89 ~/anaconda3/envs/pytorch/lib/libcudart.so.10.1 相关：conda创建虚拟环境 和
【首发-长期更新】为jetson nano安装tensorflow2.0及其相关包
xddcore的博客
01-20 2447
在楼主写这篇教程贴的时候，距离tensorflow2.0发布已过去近6个月了。楼主在高三暑假时购入了jetson nano，但是由于学业比较繁忙，所以板子一直吃灰了。大一寒假正好时间比较多，所以开始继续折腾jetson nano了。并将自己学习jetson nano时的经验进行分享。这样既方便自己后期溯源，又能方便对jetson nano感兴趣的人快速入门，少走弯路。 开源地址： gitee:ww...
Jetson Nano （Cuda10.2）安装tensorflow2.1.0运行python程序及几个版本tensorflow aarch64下载分享
m0_66749393的博客
11-26 1748
Jetson Nano， tensorflow安装的一些问题和aarch64.whl下载分享
python3.7.7 torch1.7.1 cuda10.2 可以安装哪些版本的TensorFlow？
06-09
Python3.7.7和Torch1.7.1对应的是CUDA 10.2，因此可以安装以下版本的TensorFlow： - TensorFlow 2.3.0 - TensorFlow 2.2.0 - TensorFlow 2.1.0 - TensorFlow 2.0.0 在安装时，可以使用以下命令安装TensorFlow： `...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

biao169

创作不易，感谢您的支持，谢谢~

¥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

实付元
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