win10 + CUDA10 + tensorflow1.12 GPU版本编译安装

最新推荐文章于 2022-11-26 14:29:18 发布
最新推荐文章于 2022-11-26 14:29:18 发布
阅读量856 收藏 1
点赞数
分类专栏： 人工智能
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/yufei_email/article/details/104120326
版权

参考链接

Windows 10 环境下编译 Tensorflow 1.12 GPU 版本指南

教程已经很详细了，参考操作基本上没问题。

这里记录一下注意事项：

  1. Python我直接装了个windows 3.5.4版本，没有使用Anaconda。需要安装下面的包
pip3 install six numpy wheel
pip3 install keras_applications==1.0.5 --no-deps
pip3 install keras_preprocessing==1.0.3 --no-deps
  1. Bazel使用的0.18版本
  2. CUDA版本
    CUDA：10.1
    cuDNN：7.5.0 for CUDA 10.1
  3. Eigen补丁必须打，否则显卡算力大于6的会报错
  4. 我是在msys2里面编译的，需要配置以下环境变量
export MSYS_NO_PATHCONV=1
export MSYS2_ARG_CONV_EXCL="*"
export PATH="/d/bazel:$PATH"
export PATH="/d/python/python35:/d/python/python35/Scripts:$PATH"
export BAZEL_SH=E:/msys64/usr/bin/bash.exe
export PATH="/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v10.1/bin:$PATH"
export PATH="/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v10.1/extras/CUPTI/libx64:$PATH"

BAZEL_SH必须要配置，不然使用bazel时报错

  1. 编译命令
bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
bazel-bin/tensorflow/tools/pip_package/build_pip_package ./tmp/tensorflow_pkg

最后贴一个我的测试截图

在这里插入图片描述

FerrisYu
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤的ppt
03-01
keras安装步骤的ppt 1、ANACONDA 安装 2、Cuda及cuDNN安装 3、Tensorflow-gpu版本安装 4、Keras安装 5、Anaconda的使用 6、Keras分类示例
安装tensorflow GPU版本--tensorflow-gpu版本与CUDA版本对应关系（持续更新，目前到TF2.10.1）
sunmingyang1987的博客
11-02 11万+
一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错 （1）确定自己要安装哪个版本的tensorflow-gpu； （1）根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本； （2）根据要安装的CUDA版本确定要下载的Cudnn版本。 二、tensorflow-gpu版本与CUDA版本对应关系 不同版本的tensorflow-gpu与CUDA对应关...
CUDA10安装支持gpu的tensorflow版本
feifeiyechuan的博客
07-02 1800
由于英伟达官方宣称CUDA10有着巨大的性能提升，我便迫不及待的想尝试用它来训练深度学习模型，然而现在Tensorflow的最新官方GPU版本1.12并不支持在CUDA10下的模型训练，因此便翻墙到国外论坛找材料，最终找到了可以完美适配CUDA10的tensorflow方案。具体的环境如下： 安装步骤： 首先将相关的轮子依赖下载到本地系统中，（https://download.csdn.ne...
Tensorflow-gpu搭建CUDA 10.0与cuDNN等版本问题
weixin_42718092的博客
12-14 3万+
自己这两天一直在搭建Tensorflow-gpu这样一个环境。 tensorflow-gpu版本为1.12 ，如官方所示要求cuDNN版本为7，CUDA版本为9. 但自己在安装CUDA的时候一直是无法安装的状态，查看了很多其他人的博客，有好多都说是卸载现有的显卡驱动，然后再重新安装。不知道这样带来的后果是什么所以还是没有选择这样做。然后看到了官网上新出了CUDA v10的版本，然后直接下载安装了...
在CUDA10的环境下安装支持gpu的tensorflow版本（亲测有效）
小帆的博客
11-29 2万+
由于英伟达官方宣称CUDA10有着巨大的性能提升，我便迫不及待的想尝试用它来训练深度学习模型，然而现在Tensorflow的最新官方GPU版本1.12并不支持在CUDA10下的模型训练，因此便翻墙到国外论坛找材料，最终找到了可以完美适配CUDA10的tensorflow方案。具体的环境如下： NVIDIA Driver Version 411.63 CUDA Version...
Tensorflow不同版本要求与CUDA及CUDNN版本对应关系
热门推荐
LoveWeeknd
10-21 15万+
参考官网地址： Windows端：https://tensorflow.google.cn/install/source_windows CPU Version Python version Compiler Build tools tensorflow-1.11.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 ...
Win10+GTX1050ti+cuda8.0+cuDNN5.1+Tensorflow-gpu1.2+Keras+Theano环境搭建-附件资源
03-05
Win10+GTX1050ti+cuda8.0+cuDNN5.1+Tensorflow-gpu1.2+Keras+Theano环境搭建-附件资源
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
主要介绍了TensorFlow的环境配置与安装（win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5）,本文通过图文并茂的形式给大家介绍的非常详细，需要的朋友可以参考下
opencv4.5.1+vs2017+win10+cuda+编译
07-26
opencv4.5.1+vs2017+win10+cuda+编译
GTX1050用于win7+cuda8.0+cudnn6.0+tensorflow-gpu版本对照
04-23
装GTX1050的tensorflow-gpu出错虐了我一整天，网上很多人也有类似问题，这里给出了GTX1050在win7下的安装版本匹配情况和文件。GTX1050用于win7+cuda8.0+cudnn6.0+tensorflow-gpu版本对照
tensorflow-1.12支持cuda10.0
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.支持mkl,无MPI; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]:/home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： hp@dla:~/work/ts_compile/tensorflow$ bazel build --config=opt --config=mkl --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
tensorflow1.12支持cuda10
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.无mkl支持; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 TI 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]://home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： bazel build --config=opt --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
tensorflow1.11.0_py36_cuda10_cudnn73
10-01
tensorflow1.11.0,python3.6,cuda10.0,cudnn7.3,sse2.
Windows 10 环境下编译 Tensorflow 1.12 GPU 版本指南
Ryan Li 的学习之旅
03-14 4235
Summary编译环境Step 1：安装、配置 Anaconda安装 Anaconda x64 最新版。添加清华开源镜像为 conda 的源（可选）创建一个编译工作环境并激活Step 2：安装编译工具及依赖项安装 Bazel安装 Tensorflow 软件包依赖安装 MSYS2 x64 最新版安装 unzip安装 Visual C++ 生成工具 2015安装 CUDA Toolkit安装 cuDN...
Tensorflow2.0 GPU版本安装（CUDA10.0 + cuDNN7.5 + Tensorflow2.0 Alpha）
qq_43673118的博客
05-12 1万+
（本人小白一名，总结了一些自己的操作经验，仅供参考） 前段时间Tensorflow 2.0 Alpha版本发布，作为刚入门深度学习的小白之前没有学过 Tensorflow1.x 系列，只学过一些keras，也懒得再学习 Tensorflow1.x 系列了，直接平滑过渡到 Tensorflow 2.0 多好。首先面临的问题就是CUDA等的安装及配置。 操作过程中参考了一些网络上的教程，但版本都不太...
win10 + anaconda3 + cuda10.1 + tensorflow GPU版 + pycharm
浮沉随浪。
03-16 1万+
网上安装cuda10 TensorFlow GPU版本的教程都尝试过，都没有成功。 后来我从知乎上借鉴了一下：从anaconda3里进行安装，不使用pip， 步骤一：安装anaconda3，从官网下载最新版本就行 地址：https://www.anaconda.com/distribution/#download-section 正常安装后添加环境： 步骤二: 下载cuda10.1 和cudnn...
Tensorflow(GPU) 在Win10+Cuda8.0环境下安装以及Cudnn包配置 图文详细教程
小鹅鹅的博客
02-27 3万+
安装环境 Win10 Python3.6.4 3.5以上版本都可以，目前Tensorflow只支持64位python3.5以上版本 numpy 安装好Python后打开终端cmd输入 pip3 install numpy 具体流程 下载安装Cuda8.0，一定要是8.0版本！下载地址，并按照下图选择下载本地安装包。 如果安装错了记得要把之前的删除卸载干净 安装完成后配置系...
win10 c++编译TensorFlow1.13.1 GPU版
qq_41870658的博客
03-23 873
Ubuntu16.04 CUDA10.2 CUDNN7.6.5 tensorflow1.13.1下训练的网络，封装成pb模型，在win10下调用，需要先编译TensorFlow。一开始尝试编译GPU的版本，踩坑没爬上来。先编译一个CPU版本的试试，回头有机会再搞GPU的。 参考：https://blog.csdn.net/atpalain_csdn/article/details/97945536，https://blog.csdn.net/weixin_43868576/article/details/1
安装tensorflow-gpu 1.12.0
fx714848657的博客
11-26 5252
在NVIDIA RTX3090上安装tensorflow-gpu 1.12.0，期间涉及CUDA和cuDNN版本切换和安装tensorflow-gpu的过程中不断报错的问题。
cuda12.0版本对应哪个tensorflow-gpu版本
最新发布
07-24
CUDA 12.0 对应的 TensorFlow-GPU 版本是 TensorFlow 2.7 或更高版本。您可以使用 pip 命令来安装适配 CUDA 12.0 的 TensorFlow-GPU： ``` pip install tensorflow-gpu==2.7 ``` 请注意，安装 TensorFlow-GPU 之前，确保已经正确安装了 CUDA 12.0 和对应的 cuDNN 版本。另外，还要确保您的计算机上有兼容的 NVIDIA GPU，并且已经安装了与 CUDA 版本相匹配的 NVIDIA 驱动程序。 如果您想使用其他版本的 TensorFlow-GPU，可以在安装命令中指定相应的版本号。例如，要安装 TensorFlow-GPU 2.6，可以执行以下命令： ``` pip install tensorflow-gpu==2.6 ``` 建议查看 TensorFlow 官方文档以获取更多关于 TensorFlow-GPU 版本和 CUDA 版本的详细信息。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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