Tensorflow-gpu 1.13.1+Python 3.7.2+CUDA 10.0 +cuDNN7.5

最新推荐文章于 2024-06-28 10:34:49 发布
最新推荐文章于 2024-06-28 10:34:49 发布
阅读量8.5k 收藏 20
点赞数 3
文章标签： Tesorflow 1.13.1 CUDA 10.0 Python 3.7.2
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_44095128/article/details/88664928
版权
本文详细记录了在Windows 7环境下，成功配置Tensorflow-GPU 1.13.1、CUDA 10.0和cuDNN 7.5的过程，包括Anaconda3的安装、创建Python 3.7.2环境、显卡驱动和CUDA的安装，以及cuDNN的添加和tensorflow-gpu的安装步骤。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

最近在工作站上安装Tensorflow-gpu失败了很多次，由于坚信Tensorflow 1.13.1对Python3.7和新的CUDA的支持，一直没有放弃，现在终于配置成功了，把过程简单记录下来，希望能对大家有帮助。

【电脑基础环境】
硬件：工作站，显卡Nvidia quadro M5000
软件：windows 7

【软件安装过程】

  1. Anaconda3
    下载地址：https://www.anaconda.com/distribution/
    安装版本：Anaconda3-2018.12-Windows-x86_64.exe（Python 3.7版本）
    安装参考：https://www.jianshu.com/p/62f155eb6ac5

  2. 创建开发环境
    （1）Anaconda3安装完成后，运行Anaconda Prompt
    （2）新建环境：conda create --name <env_name> <package_names>
    例如：conda create –name tensorflow python=3.7.2
    （3）激活环境：activate tensorflow

  3. 安装显卡驱动
    显卡驱动为向后兼容，本机安装的目前最新的版本：
    419.17-qua

最低0.47元/天 解锁文章
逍遥亭
关注
安装Tensorflow-gpu==1.13.1 查看Tensorflow版本 国内镜像 体验识别数子
RObot_123的博客
11-20 1万+
终于安装好了，非常的开心，因为以前用的是TF2，有些新的API和模块有改动，作为初学者的小白，无从下手，所以听从前辈的建议安装Tensorflow，使用的方法是pip在线安装 步骤 内容 1 安装 2 继续安装 3 坚持就是胜利 4 测试并体验深度学习的快快乐 一，安装 在cmd窗口下输入： pip install tensorflow-gpu==1.13.1 ...
Win10+Anaconda搭建tensorflow-gpu环境使用jupyter notebook
laicikankna的博客
05-13 2055
花了好长时间，感觉走了很多冤枉路了，写一篇记录一下。 Nvidia显卡，如果没有英伟达的显卡就不能装了 首先是上英伟达官网看看卡符合标准不 你的英伟达GPU是否支持CUDA 比如965M的算力是5.2，官网要求是3.5或更高，所以965M的卡是可以使用的噢~ 本地显卡的驱动是多少呐 根据上面显示的CUDA至少9.0也就是384.x。 从NVIDIA控制面板查看自己的驱动版本 选择“系统信息”——“组件”，如果这里小于10.0建议升级。 一开始我也很苦恼，因为我电脑比较旧，只是8.0.0，头疼。折腾浪
tensorflow_gpu-1.13.1-cp37
03-07
tensorflow_gpu-1.13.1-cp37-cp37m-win_amd64.whl，适合python3.7的tensorflow-gpu，配合cuda cudnn使用。
win10配置tensorflow-gpu=1.13.1版本环境（亲测有效）
weixin_70379932的博客
02-28 1636
亲测有效快捷配置tensorflow-gpu环境
windows10安装tensorflow-gpu1.13.1与tensorflow-gpu2.0.0教程
学习日常
01-05 3301
我安装tensorflow-gpu时总是出现问题，特别是tensorflow-gpu、cuda、cudnn的版本不对应会出现很多奇怪的错误提示，希望这篇记录对我以后也有所帮助。
conda安装tensorflow-gpu=1.13.1（一条命令解决！！！附带condarc文件，1.x版本应该都可）
像我这样的人
08-11 8938
文章目录引言我的环境一条命令解决创建环境一条命令安装tensorflow-gpu测试代码最后 引言 网上一大堆安装tenflow-gpu版本的教程，无外乎说的都需要在NVIDIA官网上安装对应版本cuda和cudnn，然后配置环境什么的，显得十分繁琐，而且不容易安装成功，而且TensorFlow官网上好像也没有1.13.1版本的gpu安装 由于我当时需要搭建一个1.13.1环境TensorFlow-gpu，所以我试验了一下，参考相关文章，尝试了一天（求赞求赞，别下次一定了）！！！终于把TensorFlow
GTX1650 + tensorflow 配置方法 ------Python-3.7+cudatoolkit-10.0.130+cudnn-7.6.0+tensorflow-gpu==1.13.1
taiyuezyh的博客
10-15 1930
最后，输入**print(tf.test.is_gpu_available())**查看GPU版本的tensorflow安装情况(True表示安装成功)。安装CUDNN.(7.6版本的CUDNN是和10.0版本的CUDA相匹配的)，结果如下。(1.13.1支持GTX1650)，结果如下。安装Python3.7的环境(遇到Y/N，全部选择Y)，得到如下的结果。全部安装完成后，我们重新启动Anaconda，输入。，获取可安装的cudnn版本号，得到结果如下图。首先，进入Anaconda，输入。
解决Tensorflow error(CUBLAS_STATUS_EXECUTION_FAILED)报错问题
SpadgerZ的博客
10-27 2824
显卡CUDA tensorflow-gpu
Pytorch和Tensorflow安装【Win和Linux】
_____
06-28 861
这两种框架的搭建
（3）v1.10.1 ~ v1.7.02. 安装全过程（1）选择版本（2）安装结果参考文章一、版本对应下表来自 pytorch 的 github 官方文档：pytorch/vision: Datasets, Transforms and Models specific to Computer Visionpytorch 安装官网：Start Locally | PyTorchpytorch 之前版本的安装命令：Previous PyTorch Versions | PyTorchtorch、torchvision 等相关库：download.pytorch.org/whl/torch_stable.html其中，命令中 "-c pytorch" 表示官方源，自己换源可以去掉。torch 版本 torchvision 版本 torchaudio 版本 支持的 Python 版本（示例） Cuda 版本2.5.1 0.20.1 2.5.1 >=3.9, <3.13（3.12）[9/10/11/12] 12.4/12.1/11.82.5.0 0.20.0 2.5.0 >=3.9, <3.13（3.12） 12.4/12.1/11.82.4.1 0.19.1 2.4.1 >=3.8, <3.13（3.12）[8/9/10/11/12] 12.4/12.1/11.82.4.0 0.19.0 2.4.0 >=3.8, <3.13（3.12） 12.4/12.1/11.82.3.1 0.18.1 2.3.1 >=3.8, <3.13（3.12）8/9/10/11/12 12.1/11.82.3.0 0.18.0 2.3.0 >=3.8, <3.13（3.12） 12.1/11.82.2.2 0.17.2 2.2.2 >=3.8, <3.12 [8/9/10/11] 12.1/11.82.2.1 0.17.1 2.2.1 >=3.8, <3.12 12.1/11.82.2.0 0.17.0 2.2.0 >=3.8, <3.12 12.1/11.82.1.2 0.16.2 2.1.2 >=3.8, <3.12（3.10）8/9/10/11 12.1/11.82.1.1 0.16.1 2.1.1 >=3.8, <3.12（3.10） 12.1/11.82.1.0 0.16.0 2.1.0 >=3.8, <3.12（3.10） 12.1/11.82.0.0 0.15.0 2.0.0 >=3.8, <3.12（3.8）[8/9/10/11] 11.8/11.71.13.1 0.14.1 0.13.1 >=3.7.2, <=3.10（3.8）[7/8/9/10] 11.7/11.61.13.0 0.14.0 0.13.0 >=3.7.2, <=3.10（3.8） 11.7/11.61.12.1 0.13.1 1.12.1 >=3.7, <=3.10（3.8）[7/8/9/10] 11.6/11.3/10.21.12.0 0.13.0 1.12.0 >=3.7, <=3.10（3.8） 11.6/11.3/10.21.11.0 0.12.0 1.11.0 >=3.7, <=3.10（3.8） 11.3/10.21.10.1 0.11.2 0.10.1 >=3.6, <=3.9（3.8）[6/7/8/9] 11.3/10.21.10.0 0.11.0 0.10.0 >=3.6, <=3.9（3.8） 11.3/10.21.9.1 0.10.1 0.9.1 >=3.6, <=3.9（3.8）[6/7/8/9] 11.1/10.21.9.0 0.10.0 0.9.0 >=3.6, <=3.9（3.8） 11.1/10.21.8.1 0.9.1 0.8.1 >=3.6, <=3.9（3.8）[6/7/8/9] 11.1/10.21.8.0 0.9.0 0.8.0 >=3.6, <=3.9（3.8） 11.1/10.21.7.1 0.8.2 0.7.2 >=3.6（3.6） 11.0/10.2/10.11.7.0 0.8.0 0.7.0 >=3.6（3.6） 11.0/10.2/10.1二、安装命令（pip）1. 版本（1）v2.5.1 ~ v2.0.0# v2.5.1# CUDA 12.4pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu124 -i https://pypi.tuna.tsinghua.edu.cn/simple/# CPU onlypip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/（2）v1.13.1 ~ v1.11.0# v1.13.1# CUDA 11.7pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117 -i https://pypi.tuna.tsinghua.edu.cn/simple/# CPU onlypip install torch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/（3）v1.10.1 ~ v1.7.0# v1.10.1# CUDA 10.2pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple/# CPU onlypip install torch==1.10.1+cpu torchvision==0.11.2+cpu torchaudio==0.10.1 -f https://download.pytorch.org/whl/cpu/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple/2. 安装全过程（1）选择版本torch 版本 torchvision 版本 torchaudio 版本 支持的 Python 版本（示例） Cuda 版本2.1.0 0.16.0 2.1.0 >=3.8, <3.12（3.10） 12.1/11.8这里选择的框架和环境如下：torch2.1.0 | torchvision0.16.0 | torchaudio2.1.0 | python3.10 | Cuda12.1，若需要将创建的虚拟环境添加到 Jupyter Lab / Jupyter Notebook 中使用，则需要第 3-6 步，否则不用。打开 WIN + R，输入 “cmd”，进入命令行窗口，其他步骤如下：# 1. Anaconda 创建虚拟环境conda create -n torch python=3.10# 2. 激活并进入虚拟环境activate torch# 3. 安装 ipykernel pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple/# 4. 安装ipykernel，将虚拟环境加入 jupyter 内核中python -m ipykernel install --name torch --display-name torch# 5. 检查新虚拟环境是否成功加入内核jupyter kernelspec list# 6. 从指定文件夹里进入 jupyterjupyter lab# 7. 安装 torch 等软件包
最新发布
04-01
1. **确认 Python 和 CUDA 版本** 首先需要明确当前系统的 Python 和 CUDA 的版本号。这可以通过运行以下命令来获取： ```bash python --version nvcc --version ``` 2. **通过 Conda 安装 PyTorch** 使用 ...
tensorflow1.13.1-gpu-c++.rar
08-07
编译环境cuda10.0.130+cudnn7.5.0，包含运行include、lib、dll，亲测可运行，有问题可提出
tensorflow_gpu-1.13.1-cp37-cp37m-win_amd64.whl
03-23
tensorflow1.13.1, python3.7, cuda10.1, cudnn7.5, 需要的朋友可以试试
tensorflow_gpu-1.13.1-cp36-cp36m-manylinux1_x86_64.whl
07-16
tensorflow_gpu-1.13.1-cp36-cp36m-manylinux1_x86_64.whl。TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。
tensorflow_gpu-1.13.0rc2-cp35-cp35m-win_amd64.whl
05-17
tensorflow_gpu-1.13.0rc2-cp35-cp35m-win_amd64，tensorflow-gpu1.13.0、python3.5版本的wheel文件
windows下object_detection（tensorflow-gpu1.13.1）安装
iDTer的博客
11-24 815
windows下object_detection（tensorflow-gpu1.13.1）安装
windows10+python3.7 + Tensorflow-gpu1.13.1 深度学习环境配置
訾尤的博客
04-22 2363
windows10+python3.7 + Tensorflow-gpu1.13.1 深度学习环境配置 1.在桌面右击选择NVIDIA控制面板点击后点击帮助下拉菜单下的系统信息如图所示查看自己电脑GPU对应的CUDA版本 2.到英伟达官网下载自己电脑对应版本的CUDA(如上图所示我的电脑对应的是CUDA10.1),并下载其对应的CUDNN,然后安装（具体安装步骤自己百度） 3.查看自己电脑安装的p...
win10搭建tensorflow-gpu-1.13.1环境(含原生python和anaconda共存问题解决)亲测有效！
weixin_43697381的博客
05-16 2340
由于之前开始学python装的是原生python，但是由于课程需要用anaconda来安装tensorflow-gpu1.13.1版本，但是又不想只用anaconda，所以就折腾了两种环境都能用的方法。 版本概览： Python(虚拟环境)：3.6.5 CUDA：10 CUDNN：7 tensorflow-gpu：1.13.1 1 anaconda的安装（已有anaconda环境直接转到第4步） 到官网或者国内镜像下载： 清华镜像 然后一路默认安装就行，建议自己改安装目录和添加到环境变量，如果环境变量忘记勾
Tensorflow并行GPU计算
VioletHan7的博客
09-19 4040
Tensorflow使用GPU Tensorflow程序可以通过tf.device函数来指定运行每一个操作的设备，这个设备可以是本地CPU或GPU，也可以是某一台远程服务器。 tf.device函数可以通过设备的名称来指定执行运算的设备。 如CPU在tensorflow中的名称为/cpu:0。在默认情况下，即使机器有很多个CPU，tensorflow也不会区分它们，所有的CPU都使用/cpu:0...
Tensorflow gpu 1.13 + CUDA10.0 + Python 3.7 + Ubuntu Linux 深度学习开发环境搭建和测试 【2019年3月更新】
热门推荐
小乔君的博客
03-07 1万+
上月Google发布Tensorflow 1.13.1 新版。 1.13+版本已经可以在 【Python 3.7】上运行！小伙伴们再也不用手动设置python 3.6或者降级啦！本文详述了最新版配置的过程。
tensorflow-gpu1.13.1安装
09-26
### 回答1： 要安装tensorflow-gpu1.13.1，您需要先安装CUDA和cuDNN。然后，您可以使用pip命令安装tensorflow-gpu1.13.1。安装命令如下： 1. 安装CUDA和cuDNN 请根据您的操作系统和CUDA版本下载并安装CUDA和cuDNN。安装完成后，请将CUDA和cuDNN的路径添加到环境变量中。 2. 安装tensorflow-gpu1.13.1 打开命令行窗口，输入以下命令： pip install tensorflow-gpu==1.13.1 等待安装完成后，您就可以使用tensorflow-gpu1.13.1了。 ### 回答2： TensorFlow是一种流行的机器学习框架，可以用于构建和训练各种深度学习模型。在使用TensorFlow时，通常可以选择使用CPU或GPU进行计算。通过使用GPU进行计算，可以大大提高训练模型的速度。 要安装TensorFlow-GPU 1.13.1，需要按照以下步骤进行操作： 1. 首先，确保你的计算机上已经安装了兼容的NVIDIA GPU驱动程序。你可以在NVIDIA官方网站上找到适合你的GPU的最新驱动程序，并按照说明进行安装。 2. 接下来，你需要安装CUDA Toolkit，这是NVIDIA提供的一种用于进行GPU计算的平台和工具集。请根据你的GPU型号下载并安装适配的CUDA Toolkit版本。安装时，可以选择安装所需的组件和示例程序。 3. 然后，你需要安装cuDNN（CUDA Deep Neural Network Library），它是用于深度学习模型的GPU加速库。请前往NVIDIA开发者网站，下载与你的CUDA版本匹配的cuDNN版本，并按照安装说明进行安装。 4. 在上述步骤完成后，你可以通过pip安装TensorFlow-GPU 1.13.1。打开终端或命令提示符窗口，并运行以下命令： pip install tensorflow-gpu==1.13.1 这样就会自动下载和安装TensorFlow-GPU的指定版本及其依赖项。 5. 安装完成后，你可以尝试导入TensorFlow库以验证是否安装成功。在Python中，运行以下代码： import tensorflow as tf 如果没有出现错误提示，则说明TensorFlow-GPU 1.13.1已经成功安装并可以正常使用了。 总之，安装TensorFlow-GPU 1.13.1需要先安装兼容的NVIDIA GPU驱动程序、CUDA Toolkit和cuDNN，然后通过pip安装TensorFlow-GPU。确保按照官方文档和安装说明进行操作，以确保安装过程顺利进行，并获得最佳性能和稳定性。 ### 回答3： 要安装TensorFlow-GPU 1.13.1，你需要以下几个步骤： 1. 首先，你需要确保你的计算机具备一个兼容的GPU设备，并且已经安装了合适的GPU驱动程序。你可以查找你的GPU型号，并从官方网站下载和安装对应的驱动程序。 2. 为了正确地安装TensorFlow-GPU 1.13.1，你需要一个支持CUDA Toolkit 10.0的版本。你可以从NVIDIA官方网站上下载并安装CUDA Toolkit。确保你选择与你的GPU和操作系统兼容的适当版本。 3. 在安装CUDA Toolkit之后，你需要安装cuDNN（CUDA® Deep Neural Network library）。你可以从NVIDIA官方网站上注册并下载适用于你的CUDA版本的cuDNN。 4. 确保你的Python环境已经安装好了，而且是兼容的。TensorFlow-GPU 1.13.1要求使用Python 3.5、3.6或3.7，并且需要32位或64位的Windows操作系统，或者是Linux操作系统。 5. 现在，你可以通过使用pip或Anaconda包管理器来安装TensorFlow-GPU 1.13.1。你可以运行以下命令来安装： pip install tensorflow-gpu==1.13.1 如果你使用Anaconda，你可以运行以下命令来创建一个新的虚拟环境，并安装TensorFlow-GPU 1.13.1： conda create -n <环境名称> python=3.6 conda activate <环境名称> conda install tensorflow-gpu==1.13.1 安装完成后，你可以通过导入TensorFlow来验证安装是否成功： import tensorflow as tf print(tf.__version__) 如果成功打印出了1.13.1，那么恭喜你，你已经成功安装了TensorFlow-GPU 1.13.1！现在你可以开始使用它进行深度学习任务。
评论 6
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