Anaconda+torch+cudan+cudnn深度学习配置 --2022/6/28

最新推荐文章于 2024-08-15 15:39:37 发布
最新推荐文章于 2024-08-15 15:39:37 发布
阅读量474 收藏
点赞数
分类专栏： 笔记 文章标签： 深度学习 python 人工智能
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/weixin_43724657/article/details/125505198
版权
最低0.47元/天 解锁文章
夜 枭 子
关注
专栏目录
【深度学习环境配置】Anaconda + Pycharm + CUDA + cuDNN + Pytorch + Opencv
shinuone的博客
02-23 7477
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
【超详细】AnaConda+CUDA+CuDNN+Pytorch-gpu环境配置
m0_49579642的博客
04-10 2732
【超详细】AnaConda+CUDA+CuDNN+Pytorch-gpu环境配置
pytorch+CUDA+CUDNN配置教程
12-20
首先贴上参考教程的链接pytorch配置教程 如果是Ubuntu下配置参考链接ubuntu下配置pytorch https://www.cnblogs.com/jisongxie/p/10055411.html 如果是windows下可以跳过这两个链接 深度学习第一步A.Step1:Install Python 3.6B.Step2:Install PytorchC.Step3: Install CUDA+CUDNND.其他包的安装 A.Step1:Install Python 3.6 首先安装python，官网下载安装包https://www.python.org/downloads/这里有
Anaconda虚拟环境中安装torch + cuda + cuDNN
热门推荐
ligous的博客
04-19 5万+
踩坑踩坑踩坑！！！ 网上很多关于python+pytorch+cuda+cuDNN的教程，作为一只新手小菜鸟，好不容易跟着众多大佬们成功安装了cuda和cuDNN，并通过了检测！好家伙啊，发现我不会加到虚拟环境里！ 接着各种查怎么把安装到本地的cuda整到目标虚拟环境里，发现很多是从conda里直接install，不过直接下载会很慢，大多是从清华大学开源软件镜像站下载cuda和cuDNN包，在conda中从本地install，或者在conda中直接从镜像站网址中下载............
深度学习基本库安装（torch、cuda、cudnn）
breezehasai的博客
12-02 507
深度学习库安装链接（torch、cuda、cudnn）
PyTorch+CUDA+cudnn安装
己亥谷雨
08-22 2147
1、安装CUDA 先查看一下电脑显卡对应的CUDA驱动版本 上图可以看到CUDA驱动版本为11.1.114，那就下载11.1版本的CUDA好了。（这里应该也不是必须对应，只是说有可能下载低版本的会有问题，没试过，下载对应版本的先跑起来再说） 下载地址： https://developer.nvidia.com/cuda-toolkit-archive 下载好之后点击文件安装，会先解压到一个临时文件夹内，默认就行 然后出现安装步骤 我这里就选这四个选项进行安装（没有问...
Win10:在Anaconda中安装cuda+pytorch
qq_41874879的博客
06-06 987
1 创建虚拟环境 conda create -n pytorch_gpu python=3.6 2 激活虚拟环境 activate pytorch_gpu 3 安装tensorflow-gpu的过程中会自动适配安装cuda以及cudnn conda install tensorflow-gpu 4 查看CUDA版本 conda list 可从中查找到类似如下内容，CUDA版本为10.1： 5安装对应CUDA版本的pytorch——https://pytorch.org/ conda.
Win10+GTX1660Ti+CUDA10.1+cuDNN v7.6.4+Anaconda+PyCharm配置GPU版本PyTorch超详细步骤
12-21
在本文中，我们将详细探讨如何在Windows 10操作系统上，使用NVIDIA GTX 1660 Ti显卡，CUDA 10.1，cuDNN v7.6.4，Anaconda和PyCharm来配置GPU支持的PyTorch环境。首先，我们需要确保拥有一个适合深度学习的显卡，例如...
深度学习环境配置windows10+Anaconda3+Cuda11+Cudnn11+Vscode保姆级教程
最新发布
weixin_44770969的博客
08-15 1219
Anaconda下载完整版是自带的Python，我们只需要将VScode中的python路径切换到Anaconda自带的Python路径就行了，Anaconda自带的Python是可以调用Anaconda中自带的类库的。
cuda , torch，cudnn版本查看
菜菜鸟的博客
07-01 3326
cuda版本查看： nvcc -V 9.0, V9.0.176 cudnn版本查看： python版本查看：python -V Python 3.6.8 :: Anaconda custom (64-bit) cuda，cudnn，vs，python，pytorch
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
基于Windows的Torch+torchvision+CUDA+cuDNN安装
yimik的博客
03-07 1035
Torch+torchvision+CUDA+cuDNN安装前言1.查看本机CUDA版本以及驱动版本号1.1 本机CUDA版本查看参考文献功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 前言 本文基于Windows10安装。 1.
Win10在Anaconda基础上安装cuda和pytorch
weixin_42105882的博客
09-01 4212
显卡决定了你的cuda，cuda决定了你的pytorch
ubuntu 16.04 torch7 + cuda/cudnn 环境配置
听风轻咛
08-22 1157
前言： 远离高版本，时间比经验更宝贵！ 本文安装软件环境：ubuntu 16.04 + cuda 8.0 写在前面：之前因为电脑系统是ubuntu 16.10的缘故，经历了万般波折到最近也算是把环境配好了，但是过程中的痛苦自是不再想提及，由于系统版本的升级导致了一些依赖库版本的升级，而配置torch所需要的版本并不能与之兼容，所以有些库会强制进行降版本，我这里记录了一些，基于此，...
pytorch+anaconda+CUDA安装配置
Boss_Gao的博客
08-04 2937
老板突发奇想要搞人工智能，自己只能从头学起。研究了一下几个框架，对于科研的话，pytorch可能更合适一点，于是配了一下环境。 安装anaconda 既然要配置python环境，自然是anaconda比较方便，下载安装没什么好讲的，傻瓜式操作。 安装pytorch 在anaconda下安装pytorch非常方便，在pytorch官网给出了下载的命，只要选择对应的版本就可以生成对应的命令行，在anaconda prompt控制台里输入命令就行了。 推荐新建一个虚拟环境来专门搞这个。（我...
Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置pytorch-gpu
2301_80501457的博客
11-02 1万+
Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置pytorch-gpu
简单粗暴配置：CUDA、CUDNN、Torch及多CUDA管理
qq_46345319的博客
06-12 1181
CUDNN官方链接： https://developer.download.nvidia.cn/compute/cudnn/redist/cudnn/windows-x86_64/CUDA下载链接：https://developer.nvidia.com/cuda-toolkit-archive。Torch 官网链接：https://pytorch.org/get-started/locally/Win+R打开命令行，输入cmd，在终端输入：nvidia-smi。将下载后的文件复制到相应的文件夹中即可。
【深度学习】深度学习框架安装 CUDA+cuDNN+torch
weixin_41765578的博客
11-07 420
CUDA + cuDNN + torch 安装步骤。
Anconda + CUDA + torch安装教程（python3.8）
MOL
06-12 2万+
https://blog.csdn.net/lly1122334/article/details/97234728 这里不建议下载低一个版本的cuda，应该要控制面板里面建议多少就多少，不然会提示系统不兼容而导致安装不了。我亲测了 Windows 10上安装PyTorch 1.8（GPU版） https://www.bilibili.com/read/cv10177961/ ......
Windows10+Anaconda+GPU+PyTorch安装教程
CUDNN是CUDA的深度学习库，必须与CUDA版本匹配。你需要在NVIDIA开发者网站（https://developer.nvidia.com/rdp/cudnn-download）注册账号，完成问卷后下载CUDNN。下载的压缩包包含bin、include和lib三个文件夹，将其...
评论
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
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