3070/3080/3090显卡 + win10 下的tensorflow2-gpu配置

最新推荐文章于 2023-06-22 11:41:01 发布

you_er_yuan_da_lao

最新推荐文章于 2023-06-22 11:41:01 发布

阅读量687

点赞数

分类专栏： tensorflow

本文链接：https://blog.csdn.net/you_er_yuan_da_lao/article/details/116123320

版权

tensorflow 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

准备工作:

确定gpu与显卡的对应关系

1、安装CUDA11.1

链接：https://pan.baidu.com/s/1yKfgpLyFeGHpGRFPbCKMRw
提取码：1234

安装过程保持默认

2、下载cudnn包 (执行以下步骤，无需配置环境变量)

链接：https://pan.baidu.com/s/1T1aUvxvRajgxuEGGwCMm4w
提取码：1234

将cudnn下的cuda中的文件夹bin下的cudnn64_8.dll复制到cuda安装目录下对应的bin下

cudnn的lib/x64下的cudnn64_8.lib 复制到cuda对应的x64下

cudnn下的include复制到cuda对应的安装目录下

3、安装tensorflow的gpu

4、安装成功测试

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

you_er_yuan_da_lao

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

3070显卡安装TensorFlow与pytorch

炸鸡配啤酒的博客

07-06

2720

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

Win10系统RTX3060/3070/3080/3090显卡安装tensorflow-gpu 2.5.0/2.5.1/2.6.0

aetft的博客

09-20

1355

0. 省事版 0.1. 解压压缩包到指定目录从下载地址下载压缩包： https://download.csdn.net/download/aetft/23736424 解压到桌面，移动到C:/Program Files目录：确保目录结构如下： 0.2. 修改系统环境变量，参考步骤 [2.4] 打开CMD执行 SystemPropertiesAdvanced.exe，进入环境变量，修改系统变量中的Path变量，新建bin目录： 0.3. 运行测试，参考步骤 [3] 打开Python Console，执

参与评论您还未登录，请先登录后发表或查看评论

为RTX3080安装TensorFlow-gpu

wangeil007的博客

11-24

3449

听说NVIDIA发布了RTX30系列的显卡，其中3080的性价比最高，于是数数口袋中的银子，买了一台炼丹炉。主要配置：RTX3080显卡，10G显存；I7 CPU (10700K)，32G内存。买来之后开始在win10上安装Python 3.6(Anaconda)，然后安装CUDA11.1和CUDNN。好不容易安装好之后，发现安装的TensorFlow2.0-gpu无法调用显卡。顿时有一种吃了苍蝇的感觉。在网上一通搜索，发现好多人说安装tf-nightly-gpu可以解决问题，然而我就不行。后来再经过N

linux 安装tensorflow（gpu版本）

weixin_39970417的博客

06-01

1164

linux 安装tensorflow（gpu版本）一、安装cuda具体安装过程见我的另一篇博客，ubuntu16.04下安装配置深度学习环境二、安装tensorflow1.具体安装过程官网其实写的比较详细，总结一下的话可以分为两种：安装release版本和源码编译安装。因为源码编译安装比较繁琐，且需要安装谷歌自己的编译器bazel，所以我选择安装编译好的。2.我写这篇博客的时候tensorflow...

tensorflow 显存训练_RTX 3090 AI性能实测：FP32训练速度提升50%

weixin_39562606的博客

11-26

378

晓查发自凹非寺量子位报道 | 公众号 QbitAINVIDIA最近发布了备受期待的RTX 30系列显卡。其中，性能最强大的RTX 3090具有24GB显存和10496个CUDA核心。而2018年推出的旗舰显卡Titan RTX同样具有24GB显存。RTX 3090在深度学习训练任务中，性能表现究竟如何，它能否取代Titan RTX成为最强消费级AI训练卡？现在已经有了答案。国外两位AI从业...

Linux 系统安装tensorflow-gpu版本

【更新于公众号 | 简谱学记】

06-22

1755

如何在Linux 环境下安装tensorflow的gpu版本，记录安装的过程。

ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤的ppt

最新发布

03-01

2. **安装TensorFlow GPU版本**: 使用pip安装特定版本的TensorFlow GPU版本，例如： ``` pip install tensorflow-gpu==2.0 ``` #### 四、Keras安装 1. **安装Keras**: 在已经创建好的tensorflow环境中安装Keras...

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...

Win10+GTX1650+Tensorflow1.5-GPU+Anaconda3配置记录

zZZZZZZZZ_qk的博客

03-01

2433

目录前言第一步电脑配置所需环境（python、CUDA、cuDNN、TensorFlow-GPU对应版本的确认）第一步：安装Anaconda 1.下载和安装第二步：安装CUDA Toolkit + cuDNN 1.查看需要安装的CUDA+cuDNN版本 2.下载CUDA + cuDNN 3.安装 CUDA Toolkit 9.0 和 cuDnn 7.0 第三步：安装TensorFl...

TensorFlow的环境配置与安装教程详解（win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5）

09-16

在本教程中，我们将详细讲解如何在Windows 10操作系统上配置和安装TensorFlow的GPU版本，具体配置包括GeForce GTX 1060显卡、CUDA 9.0、cuDNN 7.3以及TensorFlow-gpu 1.12.0，同时使用Python 3.5.5。首先，确保你...

(四)PaddlePaddle支持RTX30系列显卡(3070、3080、3090)，支持CUDA11.0/11.1/11.2，cuDNN v8.0.5/v8.04

Herbert的博客

12-23

7610

PaddlePaddle支持RTX30系列显卡(3070、3080、3090)，支持CUDA11.0/11.1/11.2，cuDNN v8.0.5/v8.04 摘要：本文讨论PaddlePaddle对CUDA11.1/11.2以及RTX30系列显卡得支持情况，以及安装的技巧，避免新手跳坑。 RTX30系列显卡是Nvidia在2020年10月份发布的最新型号，很多AI库都不支持，主要原因是RTX30只支持CUDA11.1版本，而大多数AI平台对CUDA11.1都还没有支持。一、简易安装指南 PaddlePa

深度学习-[win10+3070环境配置]-nvidia-smi不是内部程序

m0_43405474的博客

03-14

1375

深度学习-[win10+3070环境配置]-nvidia-smi不是内部程序1.问题背景2.问题解决3.小结 1.问题背景在配置深度学习运行环境的时候，在cmd中执行不了nvidia-smi程序。很多博主给出的解决方案不外乎： 1）定位到C:\Program Files\NVIDIA Corporation\NVSMI 目录执行或者将这个目录放在PATH环境变量中。 2）其他的解决方案是直接运行nvidia-smi，说是高版本的驱动没有上面那个目录。然而我试过之后，都不奏效。下面给我的解决办法。 2.

RTX3070显卡笔记本运行 torch.cuda.device_count() 显示 0 解决办法、Tensorflow包安装全解

热门推荐

页川叶川

03-20

1万+

RTX3070显卡笔记本运行 torch.cuda.device_count() 显示 0 解决办法问题原因：CUDA、显卡驱动、pytorch、pytorchvision版本不对应 CUDA版本：11.3.1 显卡驱动：最高版本 pytorch安装：https://pytorch.org/get-started/locally/ 最终结果（成功）： ...............

GTX3090 tensorflow-GPU配置记录

qq_39629993的博客

07-07

1113

ubuntu，GTX3090,tensorflow-gpu配置

rtx3090 tensorflow2.4 cuda11.1 cudnn 8.04 centos8.3 完美适配（含cudnn8.04网盘链接）

yhchj的专栏

01-21

1539

一、问题前两天升级rtx2070至rtx3090，出现了一系列的问题，后面干脆全面升级，现将基本过程记录下来，备用，也供参考（七彩虹战斧rtx3090 24G，不是打广告，确实是这个卡，别的牌子有些没有货，自己的机箱长度和宽带也有限制，还觉得这卡的温度有点高）二、过程 1、升级centos dnf update，正常完成 centos8升级到8.3.2011，没有报任何错误（python版本为3.6.8，64位） 2、升级显卡的驱动至460.32.3 卸载原有的驱动，在官网下载支持rtx30系

Win RTX3070+cuda11.4+cuDNNv8.2.2+torch-gpu离线安装+tensorflow-gpu安装

weixin_52492249的博客

12-13

6955

Win RTX3070+cuda11.4+cuDNNv8.2.2+torch-gpu离线安装+tensorflow-gpu离线安装

3070使用tensorflow1.15或更低版本

咸鱼的笔记

11-18

2496

3070使用tensorflow1.15或更低版本Background环境大体步骤 Background 抢到了黄老板的3070，但是发现只有cuda11.1支持8.6算力，tf又没有支持cuda11.1的版本，故找到了如下解决方案。思路为套一层docker，以跳过对cuda与cudnn的检测。环境要求如下软件包： ubuntu 18（20可以，16未测试） Docker nvidia-docker2 大体步骤 ubuntu禁用自带N卡驱动，安装nvidia官方驱动。截至11.18，nvidia对

【Python】Windows10+RTX-3080+安装Tensorflow2-gpu版本成功安装指南(2020.12更新)

qq_43012930的博客

12-20

9729

文章目录前言一、安装Anaconda二、查看驱动三、安装CUDA四、安装cuDNN五、测试CUDA六、tensorflow安装前言台式机换了个RTX-3080的显卡，要重新装机并配置tensorflow的环境，踩了超多的坑，现在记录一下成功的经历，真的太不容易了…我系统用的Windows，网上大多数人用的都是Linux系统，但是我不想再花时间去学一个系统了。网上说30系列显卡只支持cuda11及以上，这里也不尝试cuda10了。而且我之前自己搭网络用的tf2.0，本文也不尝试安装tf1.0的版本了。先列

RTX3090 cuda,cudnn,tensorflow环境配置

weixin_45284801的博客

11-14

4202

这篇文章主要讲一下3090深度学习环境的配置。课题组最近上了个3090，刚拿到手就迫不及待的想试试性能，奈何卡太新了，在配置环境过程中出现了一些问题，于是想着把过程记录一下，供需要的人参考参考。环境配置显卡驱动 456.81 cuda 11.1 cudnn 8.0.4 tensorflow tf-nightly-gpu 2.5.0.dev20201112 1、cuda 版本号：11.1 下载地址：[https://developer.nvidia.com/zh-cn/cuda-downl

Win10环境下配置CUDA9.0+Anaconda3+TensorflowGPU-1.8.0详细指南

"CUDA 9.0.176 for Windows 10, Anaconda3 5.1.0 for 64-bit Windows, cuDNN v7 for Windows 10, and TensorFlow GPU version 1.8.0 for Python 3.6 on AMD64 architecture can be utilized together on a Windows ...