Windows 10，RTX 3070安装Tensorflow及 CUDA

最新推荐文章于 2024-12-19 15:08:35 发布
最新推荐文章于 2024-12-19 15:08:35 发布
阅读量4.8k 收藏 10
点赞数 2
文章标签： tensorflow 深度学习 windows
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_44176124/article/details/120228157
版权
本文详细介绍了在Windows 10系统中，如何为RTX 3070显卡安装Tensorflow 2.5.0和CUDA 11.2版本，包括更新英伟达驱动、使用Anaconda创建虚拟环境、安装Tensorflow-gpu，以及CUDA和cudnn的下载与配置。遵循这些步骤可以避免GPU调用问题和软件版本不兼容的困扰。

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

目录

前言

安装tensorflow

安装CUDA及cudnn

结尾

前言

据网上说，30系显卡只能适配11.1版本以上的CUDA

于是我们选择版本的时候只有一种选择了：

 

 写文章的日期为2021/9/10

图片来源于tensorflow官网：在 Windows 环境中从源代码构建  |  TensorFlow (google.cn)

安装不对版本的软件可能会出现无法调用GPU或运行前加载时间长的问题

我用的python版本是3.8

建议用Anaconda安装相应软件，Anaconda不行再试别的

例如，我安装matplotlib的时候，Anaconda提示版本不兼容，这时候试试用pip安装

在安装以下软件之前，请确保你的英伟达显卡驱动是最新的

用GeForce Experience这个软件更新你的英伟达显卡驱动

GeForce Experience下载地址：GeForce Experience 可自动更新驱动

最低0.47元/天 解锁文章
熊朗
关注
RTX 3080 Tensorflow 2.6.0 Cuda CuDNN 从0到1 Windows&Linux 实战
技术备忘录
04-10 2694
写在最前 这篇博客写给所有具备一定环境搭建基础的同学。 一些具体的步骤我会省去，但会提醒所有我觉得重要的地方。 在摩拳擦掌自己尝试安装之前，阅读这篇文章可以建立一个比较清晰的脉络。 折腾了两天之后来写这篇博客，有些地方可能出现一两个手滑打错的地方，还请诸位加以鉴别，提出改正。 为了释放3080显卡（甚至是30系显卡）的全部算力，须用最新的 tf-nightly-gpu=2.6.0 (预览版tensorflow) cuda=11.2 cudnn=8.1.0 (for cuda 11.2..
CUDA | RTX3070 | Pytorch 版本对应| 深度学习加速器
m0_72160465的博客
06-20 1302
这个教程在b站和网上很多，但是随着软件更新，包的冲突问题也越来越明显，所以在这里记录我的版本。
RTX3070 Windows上安装CUDA Python开发环境
apone的博客
09-09 2140
RTX3070 Windows上安装CUDA Python开发环境 Step.1 安装CUDA驱动 我安装的是CUDA11.4，自己根据自己的显卡型号安装 下载相对应的版本进行安装 https://developer.nvidia.com/cuda-zone (该网址为官方网址，但是我没打开) Step.2 安装Anaconda 网上有教程自行查找。 Step.3 安装CUDA Tool kit和Jupyter 以管理员身份打开conda命令行，首先创建一个Conda的虚拟环境(建议按照以下代码输入) co
NVIDIA rtx3070显卡驱动、算力和cuda版本匹配关系
天天放羊的博客
03-03 1万+
问题描述：3070装好显卡驱动，cuda之后无法使用，抛出异常：RuntimeError: CUDA error: no kernel image is available for execution on the device 原因：版本之间不匹配 我的显卡驱动： +-----------------------------------------------------------------------------+ | NVIDIA-SMI 470.103.01 Driver Version.
win10+anaconda+RTX3070+tensorflow-gpu深度学习环境搭建
自在独行的博客
03-07 2500
1、安装版本 Python 3.8.5 tf-nightly-gpu 2.5.0 Anaconda3-2020.11-Windows-x86_64 2、下载 Anaconda Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror 3、 Anaconda Prompt中输入安装指令 conda create -n tensorflow-gpu python=3.8.5 activate tensorflo
win10 | tensorflow-gpu 2.6.0环境搭建 | 显卡 RTX 3070 | 踩坑
lijiamingccc的博客
08-17 3557
1. 环境准备： 需要下载两个文件 cuda v11.1 链接 ： https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.4/11.1_20200923/cudnn-11.1-windows-x64-v8.0.4.30.zip cudnn v8.0.4.30 链接：https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers
windows系统+RTX3070+Anaconda+cuda+cudnn配置tensorflow-gpu
weixin_44772147的博客
05-03 2108
亲测有效 显卡RTX3070 tensorflow使用tf-nightly2.6版本 cuda使用cuda11.2 cudnn使用8.1 资源百度网盘链接： cuda 链接：https://pan.baidu.com/s/1KDzEgc5JiTYUy5Q0fzJUTg 提取码：1ncs cudnn 链接：链接：https://pan.baidu.com/s/14SqQA_agvTuo3DGoWANMaw 提取码：fzbg 失效可以评论，补发 第一步：安装Anaconda，在不同项目中创建各自所需的虚拟
【2024】WIN10 3060 CUDA11.6 安装tensorflow GPU 2.10.0详细教程
qq_57845058的博客
12-19 820
我们打开环境变量，在系统变量的path路径下添加以下路径：（具体要根据自己的安装路径下做调整）安装好Anaconda后，进入Anaconda Prompt，创建conda环境。一路直接安装，取消visual studio integration就行。报错原因为numpy版本太高，重新下载numpy，解决报错。查看本机cuda版本，安装cuda应小于本机cuda版本。，出现CUDA的版本信息，则说明安装成功。，下载Anaconda并安装。win+r，打开cmd，输入。
Win11系统+RTX3060安装Tensorflow2.7+Keras2.7+Cuda11.1+Cudnn8.1.0
qq_38216057的博客
02-22 3023
安装步骤整体步骤首先安装AnacondaCUDA的安装Cudnn的安装 整体步骤 最近新买了一个电脑自带的是WIN11系统，还想着去专门下载支持Win11的Cuda，最后逛了一圈以后发现其实Win10的Cuda版本也可以使用，为了使用3060的Cuda，折腾了2天都在运行模型时出现各种各样的问题，终于弄好后想着写一个教程给大家一个参考。 首先安装Anaconda Anaconda直接在官网上下下来安装完成就行了，网上有很多的教程，我就不再赘述了。 安装好Anaconda以后进入Anaconda的Prompt
深度学习环境配置：win10系统+RTX3070+cuda11.3+cudnn8.2+pytorch1.11
LeonaCuiの本棚
08-05 6767
深度学习环境配置：pytorch框架+win10系统+RTX3070+cuda11.3+cudnn8.2 win10系统 rtx3070，必须安装cuda11以上版本，对应的pytorch是1.11版本
RT3070_2770_2780网卡 omnipeek 驱动 [亲测可用]win10 win7 winxp
03-15
亲测可用！ 使用方法: 1)解压附件压缩包 2)插入3070网卡， 3)设备管理器中，更新驱动程序，路径选择上一步得到的路径 4)设备名称会变成 WildPackets 802.11n USB Wireless LAN Card 5)若设备名还是之前的名字，表示没安装成功，建议在设备管理器中，先禁用设备，再卸载驱动，拔掉3070网卡，再次插上网卡。此时系统会自动找到第三步中的驱动安装并安装，OVER。
win10系统+RTX3070+cuda11.3+cudnn8.2
weixin_43745234的博客
05-24 2377
D:\software\anaconda3\envs\pytorch_gpu\lib\site-packages\torch\cuda\__init__.py:143: UserWarning: NVIDIA GeForce RTX 3070 Laptop GPU with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports C
3070显卡安装TensorFlow与pytorch
炸鸡配啤酒的博客
07-06 2874
一.确认显卡驱动以及安装CUDA cudnn 1.不低于我这个驱动版本即可 2.安装CUDA11.2 下载参考链接 https://blog.csdn.net/qq_43682797/article/details/114525523?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162556846816780262530137%2522%252C%2522scm%2522%253A%252220140713.13010233
windows10下基于3070显卡安装 mmdetection+mmcv_full
轻的博客
06-16 1853
windows下基于3070显卡安装 mmdetection+mmcv_full ​ 3070显卡的算力时8.6，支持的cuda 按照正常情况，应该只支持cuda11以上版本，但是mmcv_full在windows平台下没有编译好的基于cuda11的版本，所以需要在windows下编译mmcv_full来进行安装。mmdetection安装的话就是正常编译安装。 1：windows下安装显卡基础环境 这些安装方法请自行搜索了，不然篇幅太大了。 驱动下载网址：https://www.nvidia.cn/Dow
人工智能- windows10环境，配rtx 3060ti显卡，tensorflow-gpu安装
lidashent的博客
02-25 2095
win10安装tensorflow-gpu，3060TI显卡，资料全部免费下载打包
30 系列显卡是新一代架构，新驱动不支持 cuda 9 以及 cuda 10，所以必须安装 cuda 11
fangweijiex的博客
03-31 9616
30 系列显卡是新一代架构，新驱动不支持 cuda 9 以及 cuda 10，所以必须安装 cuda 11 最近在训练一个深度学习模型，要求的环境是python=3.7 + torch=1.3, 而torch1.3支持的cuda版本为9.2或10.2 但是我所用的显卡为3090, 所以网上的解决办法都试遍了， 都解决不了服务器在载入模型的时候很慢 后来无意中看到GeForce RTX 30系显卡目前是支持CUDA 11.1及以上版本 ...
rtx3070laptop+cuda11.3+cudnn8.2.2+pytorch1.10.2配置
shellydu的博客
09-06 1201
rtx3070laptop+cuda11.3+cudnn8.2.2+pytorch1.10.2配置
【超详细】windows10系统下深度学习环境搭建CUDA11.3+cuDNN，以及tensorflow，Keras，pyTorch对应版本
热门推荐
zzjcymbq的博客
05-30 1万+
2022windows系统下深度学习GPU环境搭建CUDA11.3+cuDNN8.2.1，以及tensorflow，Keras，pyTorch对应版本介绍
解决3070显卡算力不匹配问题
qq_44752819的博客
10-20 1228
3070CUDA和torch版本不匹配
rtx3070 tensorflow 1
最新发布
03-08
### RTX3070 上使用 TensorFlow 1 进行深度学习开发 #### 配置环境 对于希望在配备有 RTX3070 显卡的工作站上部署并运行基于 TensorFlow 1 的深度学习应用而言，首要任务是确保操作系统、驱动程序以及必要的库都已正确安装。 由于 TensorFlow 1 对 CUDA 和 cuDNN 版本有着特定的要求，在此推荐采用兼容性较好的组合来构建开发环境： - 安装适用于 Windows 平台的 NVIDIA 显卡驱动最新稳定版本； - 下载并安装与之匹配的 CUDA 工具包（建议选用支持 Tensorflow 1.x 的较新版本如 CUDA 10.1），同时获取对应的 cuDNN 库文件[^2]； 完成上述准备工作之后，通过 Anaconda 创建独立虚拟环境，并利用 `pip` 或者 Conda 来安装指定版本的 TensorFlow-GPU (例如：`tensorflow-gpu==1.15`) 及其他依赖项。值得注意的是，尽管官方已经停止更新 TensorFlow 1.x 系列产品线，但仍可通过社区维护的方式获得部分功能增强和支持[^3]。 为了验证 GPU 加速是否正常工作，可以在 Python 解释器内部执行如下测试代码片段: ```python import tensorflow as tf print(tf.__version__) a = tf.constant([1]) b = tf.constant([2]) c = a + b with tf.Session() as sess: result = sess.run(c) print(result) if tf.test.is_built_with_cuda(): print("TensorFlow was built with CUDA support.") else: print("No CUDA support.") device_name = tf.test.gpu_device_name() if device_name != '/device:GPU:0': raise SystemError('GPU device not found') print(f'Found GPU at: {device_name}') ``` 这段脚本不仅能够确认 TensorFlow 是否成功识别到本地存在的 Nvidia 设备，而且可以初步判断其能否有效调用底层硬件资源加速计算过程。 #### 性能优化策略 针对 RTX3070 使用场景下的性能提升措施主要包括但不限于以下几个方面： - **调整显存分配**：默认情况下，TensorFlow 将尽可能多地占用可用显存空间。如果遇到内存不足的问题，则可以通过设置环境变量或者编程接口的方式来控制初始预留比例。 - **启用 XLA 编译器**：实验性质的功能之一——Accelerated Linear Algebra(XLA)，旨在通过对张量操作序列进行编译级优化从而提高整体运算效率。开启方法是在启动会话之前加入相应选项参数。 - **数据预处理流水线设计**：合理规划输入管道结构有助于减少 I/O 等待时间，进而加快训练周期内的迭代速度。考虑引入多线程读取机制或是借助第三方工具实现高效的数据加载流程。 最后提醒一点，鉴于当前主流趋势逐渐向 TensorFlow 2.x 转移，除非项目需求特别指定了要沿用旧框架，否则还是鼓励开发者尽早迁移到新版环境中享受更多特性优势[^4]。
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
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