RTX3060无法运行tensorflow1.x

最新推荐文章于 2024-05-09 16:39:24 发布
最新推荐文章于 2024-05-09 16:39:24 发布
阅读量2.5k 收藏 3
点赞数
CC 4.0 BY-SA版权
文章标签： tensorflow 深度学习 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.youkuaiyun.com/ITNoobie/article/details/122528059
本文探讨了在RTX3060显卡上运行TensorFlow1.x的问题，指出RTX3060仅支持CUDA11.1及以上版本，因此无法直接运行仅适配CUDA10.0及以下版本的TensorFlow1.x。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

RTX3060无法运行tensorflow1.x

问题记录

需要在RTX3060显卡上运行github上的代码，但是代码的tensorflow版本是1系列的，懒得改代码，所以想新创建一个环境。
查了一下：

  • tensorflow1.x只能在cuda10.0及之前的显卡驱动上运行。
  • GeForce RTX 30系显卡目前是支持CUDA 11.1及以上版本，而Tensorflow 2.4及更高版本才支持CUDA 11。
  • 所以这个RTX3060显卡只能装CUDA 11，对应 tensorflow只能是2.4以上才可以。
RiddleMa
关注
30系显卡配置tensorflow1.x环境
TTMer's blog:
12-07 5747
说明： nvidia 30系显卡仅支持cuda11.0及以上版本，对应cudnn最低版本为8.0，tf版本为2.4.0 在win系统中无法实现30系显卡运行tf1的代码 该教程使用的环境如下： Ubuntu20.04 3060 显卡 cuda 11.1 cudnn 8.0.5 python 3.6 tensorflow 1.15 其中 python 版本和 tensorflow 版本是固定的 简陋的目录 安装显卡驱动 安装cuda 安装cudnn 安装python(直接略过，我使用的cond.
RTX3070 Ubuntu18.04 tensorflow1.x环境搭建
suziguai的博客
03-25 977
记录ubuntu服务器加装RTX30系列显卡搭建tensorflow环境的过程 搭建深度学习环境，需要使用到的深度学习框架和显卡之间存在对应关系，但是很多网上找到的深度学习算法实现是基于低版本的框架代码实现的，由于tensorflow框架版本变动较大，算法工程师要求安装1.4版本的tensorflow，采购显卡时未考虑到兼容性问题，网上找了好多帖子，这里记录一下完整的过程。 具体的安装步骤分为： 安装cuda，cudnn 安装docker，nvidia docker2 拉取nvidia docker ru
win10下 使用tensorflow1调用rtx3060
hhh_huoluobo的博客
11-13 934
rtx30系列在Windows下不支持tensorflow1的使用，最开始安装tensorflow1试用时代码总是终止在某个地方。在不想安装双系统的情况下我找到了可以使用Windows rtx3060跑tensorflow1的方法。
tensorflow2.6.0跑tensorflow1.x代码（RTX3060，Windows10）
wyyy456的博客
02-15 1165
在win11&&RTX3060配置下，拿tensorflow2.6.0跑tensorflow1.x代码
3060显卡安装TensorFlow-GPU为false的解决方案
z937453919的博客
12-06 1451
Tensorflow-gpu按照官网要求的cudatoolkit和cudnn版本安装后仍然失败的解决方案
RTX3060适配的tensorflow
python__reported的博客
10-15 2380
RTX3060适配的tensorflowRTX3060及以上适配的tensorflow适宜人群原因魔改版tensorflow RTX3060及以上适配的tensorflow 适宜人群 不适用tensorflow2.0以上，只使用tensorflow1.0版本 原因 RTX3060以上版本最高支持cuda11.4 然而实际上只支持cuda11以上； cuda11以上不支持tensorflow<2.0 所以，用不了 魔改版tensorflow 大佬范沅魔改了编译的是nvidia魔改版的tensorflo
搭载RTX3090显卡服务器配置tensorflow1.x项目的曲折经历
qq_73664776的博客
01-27 1613
事情起因是需要在服务器上跑代码，指导老师提供了学校的服务器，搭载两块RTX3090显卡，一开始按照需要跑的项目所需的配置文件配置环境： 发现在跑代码跑到模型训练部分的时候发生报错： 经过查阅资料发现，我们遇到此报错的原因是tensorflow1.x版本无法使用RTX30系列显卡进行GPU训练，如果对训练速度没有要求，按照以下代码禁用GPU可通过CPU训练解决报错： 但是服务器就在那里，不太可能因为一个项目换掉学校服务器的cuda和显卡版本，我参与的论
TensorFlow1.x/2.x配置动态显存方法
hlld__的博客
08-06 1645
目录引言配置方法 引言 TensorFlow默认是占用全部的显存，不过比较BUG的是，就算模型用不了全部的显存，TensorFlow也会尽可能地多申请显存，可能是出于性能方面的考虑，并且如果满足不了它就会罢工。。比如我一块6GB显存的1660Ti或者RTX 2060，运行YOLOv4的推理程序如果不配置动态增长显存就会报错，不管是TensorFlow 1.x还是2.x的版本我都遇到了这样的问题。明明用darknet运行啥事都没有，就这货会搞事情。。下面简单记录下TensorFlow 1.x / 2.x版本的
关于Tensorflow 1.X和2.X匹配的相关问题综合记录
weixin_51362519的博客
06-03 592
首先大家要清楚一个大环境就是在未来我们更换新设备之后，tensorflow 1.X系列以及逐渐不适用了，目前大部分家用主流机器都使用的是NVIDIA GEFORCE（主攻家用游戏市场）的30系列显卡，而Tensorflow1.X系列所提供的服务止步于最高支持20系列显卡的CUDA 10.0 （大家可以把10.1看做过渡版本） ......
30系/40系GPU使用TensorFlow1.x的方法
sir_chen的博客
05-09 3652
30系GPU使用TensorFlow1.x的方法
win10+3060+tensorflow+pytorch+安装教程.doc
08-03
RTX3060安装tensorflow+pytorch+pycharm+anaconda，文档中含有百度网盘的安装包（永久分享），省去了人工在nvidia官网下载文件，同时pytorch直接运行whl文件就可以了，省时间，另外安装包里面还有pycharm包，以及相关安装和使用的注意事项。网上太多人3060的安装，好多都是错误的，tensorflow现在支持11.1？亲自实验，不行的，需要cuda11.0版本。
win10下RTX3060配置CUDA，并安装带有GPU支持的tensorflow
Minstrel223的博客
06-11 7635
踩过了好多坑之后我只能说网上的大部分教程都太老了，不适合RTX30系显卡，其实正确的方法比那些老方法简单的多，重要的是你显卡是新的，软件版本也一定要新 一、安装CUDA与CUDNN 1首先确保你已经安装了新版的nvidia图形驱动程序。其次你得有C/C++编译环境，没有的话装一个Visual Studio或MinGW。 2 安装CUDA Toolkit 11.3 3 下载CUDNN 11.3，将解压后的全部文件复制到CUDA的安装目录中（默认：C:\Program Files\NVIDIA GPU Comp
笔记本3060显卡+windows11配置tensorflow-gpu
ace2333的博客
05-10 2361
配置：3060+window11+cuda11.1+cudnn8.1.1+tensorflow2.4.1 目录 1、安装CUDA--CUDA Toolkit 2、安装CUDNN 3.配置CUDA环境变量 4、安装tensorflow 1、安装CUDA--CUDA Toolkit 在Anaconda Prompt命令行里输入nvidia-smi，查看显卡配置； CUDA Version版本最高支持11.3，本文安装的为11.1的版本。 （点击这里可以看到显卡驱动版本和对应的CUDA.
windows 30系显卡使用tensorflow1.x卡很久，或者不能使用gpu
cly0216的博客
11-14 678
今天重新配置Anconda环境发现不能复现了，之前用一个网上大佬提供的文件tensorflow-1.15.4+nv-cp37-cp37m-win_amd64.whl搞定的。今天弄了很久没有再次搞定，还是老老实实找到了原来的Anaconda虚拟环境，现在分享出来，希望不要重新体验这份痛苦。解压后放到Anaconda的envs路径下。
新显卡rtx3060到手后配置tensorflow，运行:“tf.test.is_gpu_available()“输出False的解决办法
chinakq的博客
05-02 1738
首先按照常规的安装办法安装： 成功的必要条件是： 1.版本号要对，即cuda要安装11.1以上的（因为30以上安培架构显卡支持的cuda版本是11.1起步） 链接：https://developer.nvidia.com/zh-cn/cuda-downloads 2.cudnn要安装和cuda版本对应的，链接（要注册和登陆英伟达账号）：https://developer.nvidia.com/zh-cn/cudnn 没装过可以看看别的帖子，此处不赘述：https://so.csdn.net/so/searc
关于RTX30系显卡安装tensorflow-gpu的问题
weixin_42240955的博客
12-22 2488
关于RTX30系显卡安装tensorflow-gpu的问题 之前按照网上的教程安装nightly版的tensorflow-gpu，但是总报错误，昨天重新配置了一个环境终于不报错了，跟大家分享一下。 环境 Win10+Python3.6+CUDA11.1+Cudnn8.0.4 安装 我首先用conda install pytorch torchvision cudatoolkit=11 -c pytorch-nightly来安装了最新的pytorch 然后在https://pypi.org/下载的tf_ni
rtx30系列显卡运行tf1程序
qq_3475669699
02-03 498
rtx30系列显卡运行tf1程序
RTX3060 windows系统tensorflow GPU版详细安装步骤
qq_43701213的博客
10-26 5584
安装Anaconda Anaconda是一个 查看GPU支持的CUDA版本号 鼠标右键打开nvidia控制面板，点击管理3D设置，查看系统信息，选择组件，可以看到可以支持的cuda版本号 TensorFlow CUDA cuDNN对应版本 https://tensorflow.google.cn/install/source_windows?hl=en#gpu tensorflow1.x和tensorflow2.x tensorflow1.x 使用静态图机制，运行快，不方便调试。 tensorflow2
RTX3090运行tensorflow1.x代码的问题
qq_42018838的博客
03-12 2177
1
Ubutun tensorflow 1.x 配置
最新发布
03-22
<think>好的，我现在要帮用户解决在Ubuntu系统上配置TensorFlow 1.x的问题。首先，我需要回忆一下TensorFlow 1.x的安装流程，特别是考虑到现在TensorFlow已经更新到了2.x版本，可能有些步骤需要特别注意。用户可能因为某些项目依赖必须使用1.x版本，所以需要指导他们正确安装旧版本。 首先，用户提到的是Ubuntu系统，所以需要确认系统版本。根据引用[4]，用户可能使用的是Ubuntu22.04，但安装指南可能需要适配不同的版本。不过TensorFlow 1.x可能对较新的Ubuntu版本支持有限，可能需要使用Python 3.6，因为引用[1]中提到的conda创建环境用的是python=3.6。所以第一步应该是建议用户创建Python 3.6的环境，避免与其他版本的Python冲突。 接下来是安装TensorFlow 1.x。用户可能需要使用pip来安装特定版本，例如tensorflow==1.15.0。需要提醒用户使用虚拟环境，比如conda或者venv，这样可以隔离依赖。引用[1]中的conda命令是一个好的例子，但需要确保用户安装了conda，或者指导他们如何安装Miniconda或Anaconda。 然后，用户可能需要配置GPU支持，这涉及到安装CUDA和cuDNN。这里需要参考引用[2]、[3]、[4]、[5]中的内容。根据引用[5]，CUDA有两个API库，runtime和driver，而安装时需要同时安装GPU驱动和CUDA Toolkit。用户需要检查他们的NVIDIA驱动版本，并安装对应的CUDA版本。TensorFlow 1.15通常需要CUDA 10.0和cuDNN 7.6.5，但需要查阅TensorFlow官方文档确认版本兼容性。 比如，根据TensorFlow 1.15的官方文档，它支持CUDA 10.0和cuDNN 7.4。但用户提供的引用中，引用[2]和[4]提到的是CUDA 12.5和12.1，这可能太新了，无法与TensorFlow 1.x兼容。所以需要指导用户安装旧版本的CUDA和cuDNN，可能需要从NVIDIA的旧版本存档中下载。 此外，安装完CUDA后，需要配置环境变量，如引用[4]所示，将CUDA的bin和lib64路径添加到PATH和LD_LIBRARY_PATH中。用户可能需要修改这些路径到对应的旧版本CUDA目录，比如/usr/local/cuda-10.0。 还需要注意，Ubuntu22.04可能默认的GCC版本较高，而旧版CUDA可能需要较低版本的GCC，这可能导致编译问题。用户可能需要降级GCC或者安装兼容的版本。 最后，验证安装是否成功，运行简单的TensorFlow代码检查GPU是否被识别。如果用户遇到问题，可能需要检查驱动版本、CUDA版本、cuDNN版本是否匹配，以及环境变量是否正确设置。 此外，用户可能没有提到是否使用GPU，但作为配置指南，应该涵盖GPU和CPU两种安装方式，但根据用户提供的引用，他们可能更关注GPU配置。不过需要指出，如果不需要GPU，安装CPU版本会更简单。 总结步骤应该是：1. 安装Python 3.6虚拟环境；2. 安装TensorFlow 1.x；3. 配置GPU支持（包括驱动、CUDA、cuDNN）；4. 环境变量设置；5. 验证安装。 可能遇到的问题包括版本不兼容、依赖项冲突、驱动问题等，需要提醒用户仔细检查版本对应关系，并参考官方文档。同时，可能需要指导用户处理可能的错误，比如找不到libcudart.so等，这可能是因为CUDA路径未正确配置。</think>以下是在Ubuntu系统上配置TensorFlow 1.x的详细指南： --- ### 一、环境准备 1. **安装Python 3.6** TensorFlow 1.x支持Python 3.6[^1]，推荐使用Conda创建独立环境： ```bash conda create -n tensorflow1 python=3.6 conda activate tensorflow1 ``` 2. **更新系统依赖** ```bash sudo apt update && sudo apt upgrade -y ``` --- ### 二、安装TensorFlow 1.x 1. **CPU版本** 直接通过pip安装指定版本： ```bash pip install tensorflow==1.15.0 ``` 2. **GPU版本** 需额外配置CUDA和cuDNN： - **CUDA 10.0**（与TF 1.15兼容）[^5] 下载并安装CUDA Toolkit 10.0： ```bash wget https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda_10.0.130_410.48_linux sudo sh cuda_10.0.130_410.48_linux ``` - **cuDNN 7.6.5** 从NVIDIA官网下载对应版本，解压后复制到CUDA目录： ```bash sudo cp cudnn-10.0-linux-x64-v7.6.5.32/cuda/include/* /usr/local/cuda-10.0/include/ sudo cp cudnn-10.0-linux-x64-v7.6.5.32/cuda/lib64/* /usr/local/cuda-10.0/lib64/ ``` 3. **配置环境变量** 编辑`~/.bashrc`文件[^4]： ```bash export PATH=/usr/local/cuda-10.0/bin:${PATH} export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:${LD_LIBRARY_PATH} source ~/.bashrc ``` --- ### 三、验证安装 1. **检查TensorFlow版本** ```python import tensorflow as tf print(tf.__version__) # 应输出1.15.0 ``` 2. **验证GPU支持** ```python sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) ``` 若输出中包含GPU设备信息（如`GeForce RTX 2080`），则GPU配置成功[^5]。 --- ### 四、常见问题 - **驱动兼容性**：确保NVIDIA驱动版本≥410.x（CUDA 10.0要求）[^2]。 - **GCC版本冲突**：若CUDA编译失败，可安装GCC 7： ```bash sudo apt install gcc-7 g++-7 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 7 ``` ---
评论 2
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