Win10+tensorflow1.14.0+cuda10.0环境配置

经过长时间踩坑,终于在自己电脑上配置好tensorflow1.14.0+cuda10.0,最开始在电脑上安装cuda10.1版本,后来安装tensorflow出现问题,加载不了tensorflow模块,换成cuda10.0,最后安装成功。
本机机型:拯救者Y7000P-1060
1、安装VS2017,VS2017社区版可以免费安装,下载地址VS2017下载
2、安装annaconda,annaconda的安装可参考:annconda安装
通过conda --version查看annconda版本信息,确定annconda安装成功。
查看annaconda版本
3、安装CUDA
查看显卡信息,鼠标右键,可以看到NVDIA控制面板如下图,如果无NVDIA控制面板信息,说明显卡驱动可能未安装或者安装有问题,需要重新安装
可以选择去NVDIA官网手动搜索对应的驱动程序,但是安装最新的驱动的时候经常会出现兼容性问题,导致安装失败,驱动官网下载地址如下:显卡驱动官方下载
更推荐去你电脑对应的官网下载驱动安装,在官网驱动下载的地方输入电脑的序列号查找对应的显卡驱动,联想驱动下载官网地址如下:联想驱官方下载地址
安装完成右键,可以显示NVDIA控制面板,
右键显示NVDIA控制面板
右键进入—系统信息,查看对应的CUDA安装版本
NVDIA系统信息查看
这里显示是10.1版本,经测试CUDA10.1可以安装,但是安装的tensorflow无法使用,后面又卸载该安装版本,安装tensorflow支持的10.0版本,关于如何卸载CUDA可以参考:卸载CUDA
关于下载CUDA10.0版本地址:下载CUDA不同版本选择对应的版本下载,下载完后安装。
然后下载cuDNN,下载地址:下载cuDNN不同版本,需要注册下载。
关于CUDA和cuDNN的安装详细过程可以参考:CUDA和cuDNN安装
以上安装完成,通过nvcc -V查看cuda版本,确定安装成功,如下图。
cuda安装成功
4、安装tensorflow-gpu
打开annaconda prompt,创建tensorflow环境,命令如下:

conda create -n tensorflow python=3.6

通过conda info –envs查看刚刚创建的tensorflow环境
查看tensorflow环境
通过activate tensorflow激活tensorflow环境
激活tensorflow环境
通过以下命令安装tensorflow-gpu

pip install --ignore-installed --upgrade tensorflow-gpu

安装完成之后,可以通过查看tensorflow版本,确定tensorflow是否安装成功。通过python进入python,通过import tensorflow as tf导入tensorflow模块,通过tf.__version__查看tensorflow版本,如下图所示:
查看安装tensorflow版本
至此,tensorflow-gpu1.14.0安装成功,最后通过quit()退出python,通过conda deactivate退出当前tensorflow环境。

  • 1
    点赞
  • 31
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于安装 TensorFlow-GPU 1.14.0,您需要确保您的 Anaconda 环境已正确设置,并且已安装了正确版本的 CUDA 和 cuDNN。 下面是安装步骤: 1. 首先,确保您已经成功安装了 Anaconda。如果还没有安装,请按照官方文档的指导进行安装。 2. 接下来,您需要安装 CUDA 10.0。您可以从 NVIDIA 官方网站下载适用于您的操作系统的 CUDA 安装程序,并按照指示进行安装。 3. 安装 CUDA 后,您需要安装 cuDNN 7.4。您需要先注册一个 NVIDIA 开发者账号,然后从 NVIDIA 开发者网站下载 cuDNN 安装包。根据您的操作系统和 CUDA 版本选择正确的版本,并根据 cuDNN 安装指南进行安装。 4. 安装完 CUDA 和 cuDNN 后,打开 Anaconda Prompt(Windows)或终端(macOS/Linux)。 5. 创建一个新的环境并激活它: ``` conda create -n tf_gpu_env python=3.7 conda activate tf_gpu_env ``` 6. 在新环境中安装 TensorFlow-GPU 1.14.0: ``` pip install tensorflow-gpu==1.14.0 ``` 7. 安装完成后,您可以通过运行以下代码来验证 TensorFlow 是否正确安装并使用 GPU: ```python import tensorflow as tf print(tf.test.is_gpu_available()) ``` 如果输出为 True,则表示 TensorFlow 正确安装并且可以使用 GPU。 请注意,安装 TensorFlow-GPU 需要确保您的系统满足 CUDA 和 cuDNN 的要求,并且您的 GPU 支持 CUDA。如果您遇到任何问题,请参考 TensorFlow 官方文档或在相关论坛上寻求帮助。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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