win7+cuda+anaconda python+tensorflow-gpu+keras安装成功版本匹配汇总

最新推荐文章于 2024-06-26 10:28:26 发布
最新推荐文章于 2024-06-26 10:28:26 发布
阅读量1.2k 收藏 7
点赞数 1
分类专栏： ML，开发环境配置 文章标签： cuda9
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/wyx100/article/details/101061064
版权

 

大家在安装配置过程中遇到了很多坑，其中大部分和软件之间的版本兼容性有关，在此，列出了不同软件版本之间的配置兼容性，方便安装配置。

 

https://github.com/fo40225/tensorflow-windows-wheel

PathCompilerCUDA/cuDNNSIMDNotes
1.14.0\py37\CPU\sse2VS2019 16.1Nox86_64Python 3.7
1.14.0\py37\CPU\avx2VS2019 16.1NoAVX2Python 3.7
1.14.0\py37\GPU\cuda101cudnn76sse2VS2019 16.110.1.168_425.25/7.6.0.64x86_64Python 3.7/Compute 3.0
1.14.0\py37\GPU\cuda101cudnn76avx2VS2019 16.110.1.168_425.25/7.6.0.64AVX2Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.13.1\py37\CPU\sse2VS2017 15.9Nox86_64Python 3.7
1.13.1\py37\CPU\avx2VS2017 15.9NoAVX2Python 3.7
1.13.1\py37\GPU\cuda101cudnn75sse2VS2017 15.910.1.105_418.96/7.5.0.56x86_64Python 3.7/Compute 3.0
1.13.1\py37\GPU\cuda101cudnn75avx2VS2017 15.910.1.105_418.96/7.5.0.56AVX2Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.12.0\py36\CPU\sse2VS2017 15.8Nox86_64Python 3.6
1.12.0\py36\CPU\avx2VS2017 15.8NoAVX2Python 3.6
1.12.0\py36\GPU\cuda100cudnn73sse2VS2017 15.810.0.130_411.31/7.3.1.20x86_64Python 3.6/Compute 3.0
1.12.0\py36\GPU\cuda100cudnn73avx2VS2017 15.810.0.130_411.31/7.3.1.20AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.12.0\py37\CPU\sse2VS2017 15.8Nox86_64Python 3.7
1.12.0\py37\CPU\avx2VS2017 15.8NoAVX2Python 3.7
1.12.0\py37\GPU\cuda100cudnn73sse2VS2017 15.810.0.130_411.31/7.3.1.20x86_64Python 3.7/Compute 3.0
1.12.0\py37\GPU\cuda100cudnn73avx2VS2017 15.810.0.130_411.31/7.3.1.20AVX2Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.11.0\py36\CPU\sse2VS2017 15.8Nox86_64Python 3.6
1.11.0\py36\CPU\avx2VS2017 15.8NoAVX2Python 3.6
1.11.0\py36\GPU\cuda100cudnn73sse2VS2017 15.810.0.130_411.31/7.3.0.29x86_64Python 3.6/Compute 3.0
1.11.0\py36\GPU\cuda100cudnn73avx2VS2017 15.810.0.130_411.31/7.3.0.29AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.11.0\py37\CPU\sse2VS2017 15.8Nox86_64Python 3.7
1.11.0\py37\CPU\avx2VS2017 15.8NoAVX2Python 3.7
1.11.0\py37\GPU\cuda100cudnn73sse2VS2017 15.810.0.130_411.31/7.3.0.29x86_64Python 3.7/Compute 3.0
1.11.0\py37\GPU\cuda100cudnn73avx2VS2017 15.810.0.130_411.31/7.3.0.29AVX2Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.10.0\py36\CPU\sse2VS2017 15.8Nox86_64Python 3.6
1.10.0\py36\CPU\avx2VS2017 15.8NoAVX2Python 3.6
1.10.0\py36\GPU\cuda92cudnn72sse2VS2017 15.89.2.148.1/7.2.1.38x86_64Python 3.6/Compute 3.0
1.10.0\py36\GPU\cuda92cudnn72avx2VS2017 15.89.2.148.1/7.2.1.38AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.10.0\py27\CPU\sse2VS2017 15.8Nox86_64Python 2.7
1.10.0\py27\CPU\avx2VS2017 15.8NoAVX2Python 2.7
1.10.0\py27\GPU\cuda92cudnn72sse2VS2017 15.89.2.148.1/7.2.1.38x86_64Python 2.7/Compute 3.0
1.10.0\py27\GPU\cuda92cudnn72avx2VS2017 15.89.2.148.1/7.2.1.38AVX2Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.9.0\py36\CPU\sse2VS2017 15.7Nox86_64Python 3.6
1.9.0\py36\CPU\avx2VS2017 15.7NoAVX2Python 3.6
1.9.0\py36\GPU\cuda92cudnn71sse2VS2017 15.79.2.148/7.1.4x86_64Python 3.6/Compute 3.0
1.9.0\py36\GPU\cuda92cudnn71avx2VS2017 15.79.2.148/7.1.4AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.9.0\py27\CPU\sse2VS2017 15.7Nox86_64Python 2.7
1.9.0\py27\CPU\avx2VS2017 15.7NoAVX2Python 2.7
1.9.0\py27\GPU\cuda92cudnn71sse2VS2017 15.79.2.148/7.1.4x86_64Python 2.7/Compute 3.0
1.9.0\py27\GPU\cuda92cudnn71avx2VS2017 15.79.2.148/7.1.4AVX2Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.8.0\py36\CPU\sse2VS2017 15.4Nox86_64Python 3.6
1.8.0\py36\CPU\avx2VS2017 15.4NoAVX2Python 3.6
1.8.0\py36\GPU\cuda91cudnn71sse2VS2017 15.49.1.85.3/7.1.3x86_64Python 3.6/Compute 3.0
1.8.0\py36\GPU\cuda91cudnn71avx2VS2017 15.49.1.85.3/7.1.3AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.8.0\py27\CPU\sse2VS2017 15.4Nox86_64Python 2.7
1.8.0\py27\CPU\avx2VS2017 15.4NoAVX2Python 2.7
1.8.0\py27\GPU\cuda91cudnn71sse2VS2017 15.49.1.85.3/7.1.3x86_64Python 2.7/Compute 3.0
1.8.0\py27\GPU\cuda91cudnn71avx2VS2017 15.49.1.85.3/7.1.3AVX2Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.7.0\py36\CPU\sse2VS2017 15.4Nox86_64Python 3.6
1.7.0\py36\CPU\avx2VS2017 15.4NoAVX2Python 3.6
1.7.0\py36\GPU\cuda91cudnn71sse2VS2017 15.49.1.85.3/7.1.2x86_64Python 3.6/Compute 3.0
1.7.0\py36\GPU\cuda91cudnn71avx2VS2017 15.49.1.85.3/7.1.2AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.7.0\py27\CPU\sse2VS2017 15.4Nox86_64Python 2.7
1.7.0\py27\CPU\avx2VS2017 15.4NoAVX2Python 2.7
1.7.0\py27\GPU\cuda91cudnn71sse2VS2017 15.49.1.85.3/7.1.2x86_64Python 2.7/Compute 3.0
1.7.0\py27\GPU\cuda91cudnn71avx2VS2017 15.49.1.85.3/7.1.2AVX2Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.6.0\py36\CPU\sse2VS2017 15.4Nox86_64Python 3.6
1.6.0\py36\CPU\avx2VS2017 15.4NoAVX2Python 3.6
1.6.0\py36\GPU\cuda91cudnn71sse2VS2017 15.49.1.85.3/7.1.1x86_64Python 3.6/Compute 3.0
1.6.0\py36\GPU\cuda91cudnn71avx2VS2017 15.49.1.85.3/7.1.1AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.6.0\py27\CPU\sse2VS2017 15.4Nox86_64Python 2.7
1.6.0\py27\CPU\avx2VS2017 15.4NoAVX2Python 2.7
1.6.0\py27\GPU\cuda91cudnn71sse2VS2017 15.49.1.85.2/7.1.1x86_64Python 2.7/Compute 3.0
1.6.0\py27\GPU\cuda91cudnn71avx2VS2017 15.49.1.85.2/7.1.1AVX2Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.5.0\py36\CPU\avxVS2017 15.4NoAVXPython 3.6
1.5.0\py36\CPU\avx2VS2017 15.4NoAVX2Python 3.6
1.5.0\py36\GPU\cuda91cudnn7avx2VS2017 15.49.1.85/7.0.5AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.5.0\py27\CPU\sse2VS2017 15.4Nox86_64Python 2.7
1.5.0\py27\CPU\avxVS2017 15.4NoAVXPython 2.7
1.5.0\py27\CPU\avx2VS2017 15.4NoAVX2Python 2.7
1.5.0\py27\GPU\cuda91cudnn7sse2VS2017 15.49.1.85/7.0.5x86_64Python 2.7/Compute 3.0
1.5.0\py27\GPU\cuda91cudnn7avx2VS2017 15.49.1.85/7.0.5AVX2Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.4.0\py36\CPU\avxVS2017 15.4NoAVXPython 3.6
1.4.0\py36\CPU\avx2VS2017 15.4NoAVX2Python 3.6
1.4.0\py36\GPU\cuda91cudnn7avx2VS2017 15.49.1.85/7.0.5AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.3.0\py36\CPU\avxVS2015 Update 3NoAVXPython 3.6
1.3.0\py36\CPU\avx2VS2015 Update 3NoAVX2Python 3.6
1.3.0\py36\GPU\cuda8cudnn6avx2VS2015 Update 38.0.61.2/6.0.21AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
1.2.1\py36\CPU\avxVS2015 Update 3NoAVXPython 3.6
1.2.1\py36\CPU\avx2VS2015 Update 3NoAVX2Python 3.6
1.2.1\py36\GPU\cuda8cudnn6avx2VS2015 Update 38.0.61.2/6.0.21AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
1.1.0\py36\CPU\avxVS2015 Update 3NoAVXPython 3.6
1.1.0\py36\CPU\avx2VS2015 Update 3NoAVX2Python 3.6
1.1.0\py36\GPU\cuda8cudnn6avx2VS2015 Update 38.0.61.2/6.0.21AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
1.0.0\py36\CPU\sse2VS2015 Update 3Nox86_64Python 3.6
1.0.0\py36\CPU\avxVS2015 Update 3NoAVXPython 3.6
1.0.0\py36\CPU\avx2VS2015 Update 3NoAVX2Python 3.6
1.0.0\py36\GPU\cuda8cudnn51sse2VS2015 Update 38.0.61.2/5.1.10x86_64Python 3.6/Compute 3.0
1.0.0\py36\GPU\cuda8cudnn51avx2VS2015 Update 38.0.61.2/5.1.10AVX2Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
0.12.0\py35\CPU\avxVS2015 Update 3NoAVXPython 3.5
0.12.0\py35\CPU\avx2VS2015 Update 3NoAVX2Python 3.5
0.12.0\py35\GPU\cuda8cudnn51avx2VS2015 Update 38.0.61.2/5.1.10AVX2Python 3.5/Compute 3.0,3.5,5.0,5.2,6.1

tensorflow CUDA cudnn 版本对应关系

https://blog.csdn.net/yuejisuo1948/article/details/81043962

linux下：

windows下：

上面两张图是在这里找到的：https://tensorflow.google.cn/install/source  （右上角language选English）

 

 

tensorflow和keras版本搭配

https://docs.floydhub.com/guides/environments/

 


 

anaconda python 版本对应关系

https://blog.csdn.net/yuejisuo1948/article/details/81043823


本文链接：https://blog.csdn.net/yuejisuo1948/article/details/81043823


 

首先解释一下上表。 anaconda在每次发布新版本的时候都会给python3和python2都发布一个包，版本号是一样的。

表格中，python版本号下方的离它最近的anaconda包就是包含它的版本。

举个例子，假设你想安装python2.7.14，在表格中找到它，它下方的三个anaconda包（anaconda2-5.0.1、5.1.0、5.2.0）都包含python2.7.14；

假设你想安装python3.6.5，在表格中找到它，它下方的anaconda3-5.2.0就是你需要下载的包；

假设你想安装python3.7.0，在表格中找到它，它下方的anaconda3-5.3.0或5.3.1就是你需要下载的包；

镜像下载地址：清华镜像源

官方下载地址：https://repo.anaconda.com/archive/
 

 

https://blog.csdn.net/stephen_2018/article/details/80392545

win7 vs2015 cuda9.0 安装 Tensorflow-gpu 1.8

cuda_9.0.176_windows.exe

cudnn-9.0-windows7-x64-v7.zip

python-3.5.4-amd64.exe

 

https://blog.csdn.net/ei1990/article/details/84800151

WIN7系统安装 tensorflow1.6.0 + CUDA9.0 + cudnn7 版本

Anaconda3   5.2.0

CUDA9.0 + cudnn7 (9.1版本不支持tensorflow)

tensorflow-gpu 1.6.0

https://blog.csdn.net/Zqinstarking/article/details/80713338

防坑 centos7 安装 CUDA9.0 + cudnn7.1 +TensorFlow GPU版1.6.0/1.8.0

简单来说：tf1.5及以上用只能是cuda9.0，其他的tf1.4及以下版本就是cuda8.0等，最好自己去查查！可恶的是tf官方和nVidia都没有版本对应的说明！！！

https://blog.csdn.net/wukongabc_123/article/details/80379882

Windows 7下安装TensorFlow1.6（cuda9.0+cuDNN 7.0+python3.5+pip9）

https://blog.csdn.net/duoker/article/details/79483434

win7 x64 安装 TensorFlow1.6 CUDA 9.1+cuDNN7.1( 7.0.5)+python3.6 (python 3.5.2)

https://blog.csdn.net/wukongabc_123/article/details/80379882

win7+anaconda3+cuda9.0+CuDNN7+tensorflow-gpu+pycharm配置

https://blog.csdn.net/u011440696/article/details/79381375

tensorflow 安装GPU版本，个人总结，步骤比较详细

https://blog.csdn.net/gangeqian2/article/details/79358543

TensorFlow 安装GPU版本

https://blog.csdn.net/AAlonso/article/details/81504036

python+tensorflow+tensorflow-gpu+CUDA+cuDNN+pycharm全套环境配置教程 推荐

https://blog.csdn.net/kele52he/article/details/82986900

 

深度学习环境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的安装

https://blog.csdn.net/xiaosa_kun/article/details/84868347

 

win7 vs2015 cuda9.0 安装 Tensorflow-gpu 1.8

https://blog.csdn.net/stephen_2018/article/details/80392545

 

WIN7系统安装 tensorflow1.6.0 + CUDA9.0 + cudnn7 版本

https://blog.csdn.net/ei1990/article/details/84800151

https://blog.csdn.net/weixin_42071277/article/details/88851868

Windows 7下安装TensorFlow1.6（cuda9.0+cuDNN 7.0+python3.5+pip9）

https://blog.csdn.net/duoker/article/details/79483434

 

匹配tensorflow-gpu和keras：

     tensorflow 1.5 和keras 2.1.3、keras 2.1.4、keras 2.3.0（运行代码会报错）

     tensorflow 1.4和keras 2.1.3

     tensorflow 1.3和keras 2.1.2

     tensorflow  1.2和keras 2.1.1
 

wyx100
关注
专栏目录
ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤的ppt
03-01
### ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤详解 #### 一、ANACONDA 安装 **ANACONDA** 是一个非常方便的Python和R的数据科学环境管理器。它提供了一个包含大量科学计算库的分发版，以及一个强大...
【看了标题就行】Anaconda3避雷，windows 7装2021.05
withstand的博客
05-14 894
老电脑，离线的那种，今天想升级一下Anaconda，结果下了一个版本传过去都不行。后面一查，windows 7的锅。Python3.9就不再支持windows 7.可怜的被抛弃的人们。然后就开始找要装哪个。
XP、Win7、Win10、Win11 支持Anaconda最高的版本
shaqilaixi2的博客
12-11 5875
Win7系统不支持python3.9，也就是说win7可以安装python3.8最高版本的Anaconda，对应的是Anaconda 2021.05。
tensorflow和keras版本对应关系，以后就可以轻松解决版本冲突了
最新发布
qq_30895747的博客
06-26 2195
TensorFlow拥有完整的生态系统，包括TensorFlow Hub（用于共享机器学习模型）、TensorFlow Lite（用于移动和嵌入式设备上的机器学习）、TensorFlow Research Cloud（提供高性能计算资源）等。请注意，以上优缺点是基于当前TensorFlow的版本和普遍用户反馈总结的，随着TensorFlow的不断更新和发展，这些优缺点可能会有所变化。综上所述，TensorFlow是一个功能强大、灵活且易于使用的机器学习框架，广泛应用于各种领域，并得到了广泛的社区支持。
Windows下的Anaconda详细安装教程
BQ Blog
10-07 2万+
这篇文章从小白的角度出发，详细介绍了Anaconda的安装和基本配置，解释了Anaconda的作用，提供了安装Anaconda的步骤，包括下载和配置选项，还涵盖了环境变量和镜像源的配置等。此外，文章列举了一些常用的conda和pip命令，以帮助初学者更好地理解和使用这些工具。通过这篇指南，初学者可以轻松入门Anaconda，进一步探索Python数据科学和编程。
各版本Anaconda的下载、安装和卸载（适用于Windows/Linux系统）
热门推荐
QAQIknow的博客
07-30 3万+
最近出了python 3.8。想安装3.7版本的怎么办呢？直接去官网，由于是国外链接打开又很慢，不通过一些方法又进不去。这里很快解决。 安装Anaconda（自带python3.7版本）步骤 ①进入清华镜像下载： https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 选择Anaconda3-5.3.1（对应python3.7.0），根据自己需要选择，本人选择windows64位。 ②安装 选择ALL Users后，设置好安装路径（默认C盘，可自定义）
Python&aconda系列：史上最全最详细的Anaconda安装教程（win7版本）
weixin_54626591的博客
12-26 5794
史上最全最详细的Anaconda安装教程
手把手 Ubuntu16.04+cuda9.0+cudnn 7.1+Anaconda+tensorflow-gpu+keras-附件资源
03-05
手把手 Ubuntu16.04+cuda9.0+cudnn 7.1+Anaconda+tensorflow-gpu+keras-附件资源
win10+cuda10.0.130+cudnn7.5.1+tensorflow-gpu 1.13.1+anaconda3+keras+pycharm2018
01-06
之前写的类似的安装博客都是基于win7和ubuntu18.04的，没有关于win10的，并且版本都比较旧，所以这次想革新一下，安装最新的**cuda10, tensorflow-gpu1.13.1(非2.0版本) ** 2.安装 （1）anaconda3 我win10笔记本是...
为电脑配置GPU加速（win10+python3.6+tensorflow-gpu1.12.0)
01-20
本教程基于win10系统，所用到的工具为Anaconda3，PyCharm 你需要已经安装好以上工具，具体操作略。 首先确定你的显卡是否支持gpu加速，可在nvidia官网查看是否有你的显卡所对应的算力，如图。 为了不影响其他的工作...
windows安装 cpu-tensorflow 和 GPU-tensorflow及安装 Anaconda+cuda+cudnn配置python-附件资源
03-05
windows安装 cpu-tensorflow 和 GPU-tensorflow及安装 Anaconda+cuda+cudnn配置python-附件资源
Anaconda镜像安装tensorflow-gpu1.14及Keras超详细版
Xnion的博客
04-02 5657
一、CUDA和cuDNN的安装及环境配置 https://developer.nvidia.com/cuda-toolkit-archiv 首先从该网页下载tensorflow对应版本的的CUDA，tensorflow2.0可以使用CUDA10.0，cuDNN7.6.4下载好后按要求进行安装。 https://developer.nvidia.com/cudnn 然后在这个网站下载cuDNN，解压后依次复制到CUDA的安装路径中，路径：C:\Program Files\NVIDIA GPU Computin
windows 安装anaconda
ch_atu的博客
09-06 1408
如果不指定，anaconda创建的虚拟环境默认为安装目录下的envs目录下：D:\anaconda\envs。第一次进入虚拟环境可能会提示没有初始化环境，这时候根据提示运行：conda init即可。将以下内容粘贴至.condarc并保存，重新代开命令行。如：我的安装目录为：D:\anaconda=找到最新的点击下载即可。
Python&aconda系列：XP、Win7、Win10、Win11 支持Anaconda最高的版本
weixin_54626591的博客
12-18 3338
XP、Win7、Win10、Win11 支持Anaconda最高的版本
win7旗舰版 安装Python环境 Anaconda环境
c_lanxiaofang的博客
03-21 642
其实一开始我想的就是直接安装Python环境，后来看了一下最新的Python环境稳定版安装包都不支持win7。在下面这个链接可以看到所有Anaconda版本，包括支持64位和32位的安装包。这台电脑是win7,32位的，头疼~【64位和32位的都可以看这篇】然后突然灵机一动，看看Anaconda【然后一着急跑去官网直接下载。-----如果你没有出现问题跳过这里，直接往下看！的，结果下来发现是64位的安装包】
TensorFlow与keras以及Python版本一一对应表
justciper的博客
07-23 9344
版本 一一对应版本 TensorFlow 2.2 TensorFlow 2.2.0 + Keras 2.3.1 on Python 3.7. TensorFlow 2.1 TensorFlow 2.1.0 + Keras 2.3.1 on Python 3.6. TensorFlow 2.0 TensorFlow 2.0.0 + Keras 2.3.1 on Python 3.6. TensorFlow 1.15 TensorFlow 1.15.0 + Kera
Win10安装tensorflow-gpu以及对应版本的keras
糕糕的博客
02-24 2348
win10安装tf+kears(gpu)
使用anaconda prompt 安装tensorflow2 gpu版本，以及可用的keras版本
m0_47536664的博客
06-20 1102
这里按照第一行所示版本进行安装 版本查询: https://tensorflow.google.cn/install/source_windows#install_gpu_support_optional安装anaconda完成后打开prompt，查看现有环境 新建环境 这里将环境命名为tensorflow2gpu 选择python=3.7激活环境 二、安装tensorflow=gpu及相应包 1.安装CUDA 在激活的环境中输入 2.安装cuDNN 在激活的环境里输入 3.安装tensorflow-gpu
win10 ，anaconda，python，TensorFlow，keras 版本对应+anaconda 卸载相关
weixin_43201920的博客
05-01 532
日记录——2020/4/30 1 anaconda 卸载相关 使用uninstall_anaconda 卸载anaconda的途中，进度条卡住不走，我以为是卡住，所以在任务管理器中强制结束程序。结果，再想打开uninstall_anaconda .exe时发现，已经没有这个程序了。无奈之下重新下载anaconda安装包安装后，在新的安装目录下找到uninstall.exe并copy了一份到原来卸载...
ANACONDA+Cuda/cuDNN+Tensorflow-gpu与Keras安装详解PPT
本PPT详细介绍了如何在ANACONDA环境中集成CUDA及cuDNN，以便于在TensorFlow-gpu版本上进行深度学习开发，以及安装和使用Keras进行分类任务。以下是主要内容的详细解析： 1. ANACONDA安装： ANACONDA是Python的一个...
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