win11 CUDA15.2 cuDNN Tensorflow2.6.0安装

最新推荐文章于 2024-10-12 08:33:59 发布
最新推荐文章于 2024-10-12 08:33:59 发布
阅读量338 收藏 2
点赞数
文章标签： tensorflow 深度学习 python
原文链接：https://blog.csdn.net/qq_28048779/article/details/122146628
版权

  • 安装英伟达显卡驱动，去英伟达官网下载官方程序，即安装GeForce Experience，可以自动更新到最新版本的驱动

  • 在anaconda power shell prompt 中输入

    nvidia-smi，查看可以支持的最高版本CUDA

  • 在tensorflow官网可以查看tensorflow, python, cuDNN, CUDA的版本对应关系，其中编译器和构建工具，安装较新版本的Visual Studio即可满足。

  • 在Pytorch官网可查看需要的CUDA版本。

  • 在英伟达官网，先安装CUDA，再安装cuDNN，安装cuDNN时网站会说明对应什么版本的CUDA。安装CUDA时主要，win10和win11系统不一样。所以正确步骤是：先看cuDNN支持哪些较新版本的CUDA，去下载那些CUDA。

  • 卸载CUDA:

    • 卸载图中内容，其实就是把NVIDIACUDA开头的全部卸载
    • 卸载完后，用腾讯电脑管家清理注册表

  • 安装CUDA：选择自定义安装，Visual Studio intergration可装可不装，一切要安装版本低于等于当前版本的，都不安装。

    • 安装的目录：手动创建文件夹。为D:\Programs\NVIDIACUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.5
    • 和D:\Programs\NVIDIACUDA\NVIDIA Corporation\CUDA Samples\v11.5
    • 参考https://blog.csdn.net/m0_37605642/article/details/98854753

  • cuDNN:选择对应版本，下载后解压缩，把文件夹下的 bin, include, lib 的 x64 里面的文件分别复制到D:\Programs\NVIDIACUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.5下的对应文件夹内

  • 添加环境变量：右键计算机属性，高级系统设置，环境变量

    • 前两个应该已经存在，添加最后一个即可。
    • D:\Programs\NVIDIACUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.5\bin
    • D:\Programs\NVIDIACUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.5\libnvvp
    • D:\Programs\NVIDIACUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.5\lib\x64

  • 在jupyter 里面 import tensorflow as tf 可能还会有报错，例如
    cudart64_110 not found 等等。在D:\Programs\NVIDIACUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.5中搜索找不到的文件，如搜索 cudart64_110，然后复制，粘贴到 C: \Windows\System32下面即可 。

  • 后续配置环境的一些列操作

  • tensorflow2.6.0和Keras有冲突，（好像自带安装了一个2.8的Keras），所以在安装了tensorflow2.6.0的环境下pip install keras==2.6.0

  • 网上说CUDA15对应的是Visual Studio 2019，所以把Visual Studio 2022卸载，安装2019，安装的时候要勾选“使用C++的桌面开发”，“python开发”，以及“使用C++的桌面开发”下面的全部windows11 SDK和windows10 SDK

    • 参考https://blog.csdn.net/qq_41456316/article/details/121522097

  • 安装Zlib

    • 找一个地方解压文件夹，在高级系统设置->环境变量->系统变量(注意不是用户变量)->Path中，添加zlibwapi.dll的根目录(注意是根目录，不是文件)
      例如：文件zlibwapi.dll在"D:\Programs\zlib\dll_x64"下，那么只需在Path中添加"D:\Programs\zlib\dll_x64"即可， 重启电脑即可(没重启前很有可能还是提示报错)

      原文链接：https://blog.csdn.net/qq_28048779/article/details/122146628

    • 参考https://blog.csdn.net/qq_28048779/article/details/122146628

一瓶子不满半瓶子使劲晃悠
关注
Win11极速安装Tensorflow-gpu+CUDA+cudnn
weixin_46713695的博客
12-16 7481
Win11极速安装Tensorflow-gpu+CUDA+cudnn
RTX 3080 Tensorflow 2.6.0 Cuda CuDNN 从0到1 Windows&Linux 实战
技术备忘录
04-10 2623
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..
Win11安装CUDA教程
weixin_51350942的博客
11-14 7606
Win11安装CUDA教程
Windows11安装CUDA、cuDNN、PyTorch详解
最新发布
L
10-12 2108
‌cuDNN（CUDA Deep Neural Network library）是一个由NVIDIA开发的深度学习GPU加速库，旨在为深度学习任务提供高效、标准化的原语（基本操作）来加速深度学习框架在NVIDIA GPU上的运算。此外，PyTorch还具有高度的灵活性和可扩展性，支持多种硬件平台，并且有一个活跃的社区，提供了大量的教程和资源，使得用户可以快速上手并解决实际问题。PyTorch的核心特点包括：‌12。可以看到NVIDIA GPU驱动版本为546.56，支持的CUDA最高版本为12.3。
Windows 11 安装tensorflow-gpu深度学习环境
【更新于公众号 | 简谱学记】
04-01 2533
TensorFlow 是一个由 Google 建立的深度学习库，自从去年年初推出以来，它已经获得了很大的吸引力。主要功能包括自动微分、卷积神经网络(CNN)和回归神经网络(RNN)。它是用 C + + 和 Python 编写的，为了提高性能，它使用了一个名为“ Cloud TensorFlow”的服务器，该服务器运行在 Google Cloud Platform 上。它不需要 GPU，而 GPU 是它的主要功能之一。Tensorflow 的最新版本也通过 matplotlib 支持数据可视化。
python Tensorflow-GPU 环境搭建（win11）
m0_58709899的博客
06-02 5268
（1）打开英伟达控制面板 如下图（2）查看对应显卡型号 如下图 我的版本是517（3）在网站查看该显卡驱动型号对应的cuda型号（支持的cuda最高型号） 如下图 可以看到 我的最高能支持到cuda11.8。
【pytorch】 Win11下cuda，cudnn以及pytorch环境安装
weixin_48846514的博客
05-19 2141
Win11 cuda,cudnn,pytorch环境安装
Tensorflow 2.6.0 安装（环境：Anaconda；CPU版本；windows11）
Sisyphus7的博客
04-20 2787
目录 一、安装 CPU 版本步骤如下： 二、验证是否安装完成： 参考官网：​​​​​​https://www.tensorflow.org/ 点击“安装”进入如下界面： 点击“安装指南”进入如下界面： 有如下CPU及GPU版本可选： 一、安装 CPU 版本步骤如下： 1.下载并安装Anaconda； 2.在 Windows 上打开开始菜单并打开 Anaconda 命令提示符（Anaconda Prompt）。在 macOS 或 Linux 上打开一个终端窗口。在 macOS...
深度学习 | 适配tensorflow2.6的CUDA与cuDNN
weixin_49559389的博客
10-19 3585
前言 近日琐事已了，又想在coursera上继续选修课程，看好了一门帝国理工开设的tensorflow2.0专授课程TensorFlow 2 for Deep Learning Specialization。 https://www.coursera.org/specializations/tensorflow2-deeplearning 摘要 针对自己的笔记本显卡，配置如下 gpu版本的tensorflow2 CUDA cuDNN tensorflow-gpu 搭建虚拟环境 pip instal
cuda10.2 cudnn7.6 TensorFlow-gpu2.2.0遇到的坑
gg5358979的博客
02-04 1958
（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下 anaconda3 + cuda11.3 + TensorFlow_GPU2.6.0 + Pytorch_GPU1.10.1
xiao_yun_zi的博客
04-09 1万+
Win10 + CUDA11.3 + TensorFlow GPU2.6.0 + Pytorch GPU1.10.1
window11系统CUDA、cuDNN 安装以及环境变量配置
热门推荐
争渡的博客
06-17 6万+
虽然 CUDA 包含了一些基本的矩阵运算和线性代数函数，但它不直接包含深度神经网络相关的算法和优化。因此，为了使用 CUDA 进行深度学习任务，您需要安装一个额外的库，例如 cuDNN。因此，通过与 CUDA 结合使用，cuDNN 可以大幅提高深度学习应用的性能和效率。（CUDA Deep Neural Network Library）是 NVIDIA 提供的一个可选的库，用于优化深度神经网络的训练和推理性能。：这里我用 11.4版本为例，流程上是一样的，就是版本号不一样仅此而已。一般这里安装完毕后，会。
win11系统下安装带w10链接的CUDA以及安装cuDNN
weixin_58964057的博客
04-26 1480
这里也不需要换路径，因为这只是个暂存的地方，并不是安装路径，安装好后这个会自动卸载，不占用C盘，也无需担心。登录注册好之后，选择版本进行下载，由于我的cuda的版本是11.3，所以我选择了这个版本。然后粘贴到安装的cuda的路径下的v11.3里面的lib文件夹里面的x64文件夹里面。然后粘贴到安装的cuda的路径下的v11.3里面的include文件夹里面。我是直接进入了DOS中进行检查的，也可以进Anaconda中进行检查。然后粘贴到安装的cuda的路径下的v11.3里面的bin文件夹里面。
【学习AI-相关路程-参考学习-学习他人文章-win11上-安装cuda和cudnn-工具安装 】
qq_22146161的博客
08-15 1149
之前在Linux下也就是Ubuntu 20.04下，安装过cuda环境。【学习AI-相关路程-工具使用-自我学习-NVIDIA-cuda-工具安装 （1）】同时也在jetson orin NX上安装了，如下文章【学习AI-相关路程-工具使用-自我学习-jetson&cuda&pytorch-开发工具尝试-基础样例 （3）】
Windows11下多版本CUDA的安装与切换
weixin_66540163的博客
03-30 5281
所以在安装新版本的 CUDA 时，一定不能高于该版本，我需要的新环境的 CUDA 版本为 9.0，低于 12.2，可以安装。更改 CUDA 安装时缓存位置（默认为 C盘，不更改也可以，但得与原先安装的 CUDA 的安装缓存位置不同，或者该位置为空）安装完新版本的 CUDA 后，此时运行的环境为新版本的 CUDA，当我们需要切换为其他版本时，仅需要对环境变量进行修改即可。至此， 新版本的 CUDA 与 cudnn 安装成功，可以使用该版本的 CUDA 进行 GPU 加速了。
【简洁！一步步带你安装Windows11下GPU版本的tensorflow2.6.0和pytorch2.3.0】
qq_44341167的博客
05-11 1478
最近换了台电脑，重新配置了深度学习环境。经一番周折，发现安装tensorflow也能像pytorch一样简单。以前总是要手动去安装CUDA和cuDNN，不同环境需要的不同CUDA版本都下在本地，甚是麻烦。这次了解到并不需要安装全部的CUDA，并且conda可以直接下载，这样安装步骤就十分简洁了！
Windows11下NVIDA CUDA,cuDNN和TensorRT安装教程 用tensorRT加速yolov5全记录
qq_64997742的博客
01-19 3947
确保正确导出onnx文件需要注意以下几个方面：1：任何用到shape/size返回值的参数时，例如tensor.view(tensor.size(0), -1)这种操作，避免直接使用tensor.size()的返回值，而是加上int强转，例如tensor.view((tensor.size(0)), -1)，断开跟踪。2：nn.Upsample或者nn.functional.interpolate函数，使用scale_factor指定倍率，而不是用size参数指定。
windows 11 搭建 TensorFlow2.6 GPU 开发环境【RTX 3060】:1 -- 本地原生方式
shiter编写程序的艺术
11-23 3863
文章大纲本地方式主要步骤CUDA 本地安装cuDNN 本地安装anaconda 环境构建WSL 2 docker 方式主要步骤参考文献 本地方式 主要步骤 CUDA 本地安装 我点的win 11 版本，比较迷惑的是这个命名方式 CUDA Toolkit 11.5 Downloads 安装完成后： PS C:\Users\season> nvcc --version nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2021 NVID
tensorflow 2.6.0安装 linux CUDA12.2
09-07
你可以按照以下步骤在Linux上安装TensorFlow 2.6.0并支持CUDA 12.2： 1. 确保你的系统已经安装了NVIDIA显卡驱动程序，并且支持CUDA 12.2。你可以在NVIDIA官方网站上找到适合你显卡和操作系统的驱动程序。 2. 安装...
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