win10 anaconda+tensorflow-gpu+cuda9.0安装

最新推荐文章于 2022-03-18 13:09:19 发布

y430

最新推荐文章于 2022-03-18 13:09:19 发布

阅读量521

点赞数

CC 4.0 BY-SA版权

分类专栏：软件安装

本文链接：https://blog.csdn.net/yyy430/article/details/86239347

软件安装专栏收录该内容

14 篇文章

订阅专栏

该博客主要介绍了在Windows 10上搭建深度学习环境的步骤。包括下载安装Anaconda3，明确其与Python的版本对应关系并验证安装；接着安装tensorflow - gpu、keras - gpu，测试显卡计算能力；还提及安装虚拟环境，同时给出了各步骤的参考链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考

清华镜像anaconda第三方库文件 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/

window10上安装python+CUDA+CuDNN+TensorFlow https://www.cnblogs.com/touch-skyer/p/8367706.html

Win10 Anaconda下TensorFlow-GPU环境搭建详细教程（包含CUDA+cuDNN安装过程） https://www.baidu.com/link?url=fJ5P3mDdJxPJPBMMaMXI6v46fW-leyqoYE3FYjm-BbQoEqybCOtkaINnTnpGmyrtYTfnwBKK3xYAk5jSPIA0L_&wd=&eqid=af8a231f00004d04000000065d908be5

下载安装anaconda

anaconda3-5.2.0：conda 4.5.4，python 3.6.5

anaconda python 版本对应关系

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

下载anaconda3

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

anaconda安装过程中，记得勾选将anaconda自动加入环境变量中。

验证anaconda3

anaconda安装完毕后，打开cmd输入命令，验证是否安装成功。

安装tensorflow-gpu

conda install tensorflow-gpu

将安装 tensorflow-gpu-1.12.0，cudnn-7.1.4-cuda-9.0_0；

conda将从4.5.4-py36_0升级到4.5.12-py36_0

安装完成后，验证tensorflow是否安装成功：

安装更高版本cuda（暂无必要）

如果想安装更高版本的cuda，可参考：

https://blog.csdn.net/qq_35029531/article/details/81912317

安装keras-gpu

conda install keras-gpu

测试显卡的计算能力

参考：https://www.cnblogs.com/learnMoreEveryday/p/7860342.html

打开jupyter notebook，运行下面的代码：

import tensorflow as tf
import numpy as np

# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300

# 构造一个线性模型
#
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b

# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# 初始化变量
init = tf.initialize_all_variables()

# 启动图 (graph)
sess = tf.Session()
sess.run(init)

# 拟合平面
for step in range(0, 201):
    sess.run(train)
    if step % 20 == 0:
        print (step, sess.run(W), sess.run(b))

# 得到最佳拟合结果 W: [[0.100  0.200]], b: [0.300]

运行代码后，可以从cmd窗口看到，显卡的计算能力为6.1：