TensorFlow||Win10下TensorFlow-GPU版的安装(MX130+CUDA 10.0+cuDNN 7.4.2+Python3.6+TensorFlow-GPU2.0.0)

安装TensorFlow-GPU版
原创 于 2021-11-20 16:15:18 发布 · 2.9k 阅读 · 25 ·
CC 4.0 BY-SA版权
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。
文章标签：

#anaconda #tensorflow #cuda #python

前言：

        最近博主在做毕设，需要用到TensorFlow深度学习框架，之前有在Anaconda环境下安装过TensorFlow的CPU版本，详情见下方Anaconda||（踩坑无数，含泪总结！！！）Anaconda的卸载与安装（tensorflow+Keras+spyder+添加镜像源）_Inochigohan的博客-优快云博客目录一、Anaconda简介二、Anaconda的卸载2.1 普通卸载2.2 彻底卸载一、Anaconda简介Anaconda指的是一个开源的Python发行版本，可以便捷获取包且对包能够进行管理，同时对环境可以统一管理，其包含了conda、Python、numpy、scipy、ipython notebook等180多个科学包及其依赖项。Anaconda利用工具/命令conda来进行安装包和环境的管理，并且已经包含了Python和相关的配套工具。...https://blog.youkuaiyun.com/Inochigohan/article/details/120400990        TensorFlow的CPU版本安装相对容易，但在训练大型神经网络或者大规模数据时，CPU版本的速度可能会很慢（谁试过谁知道(T_T)，所以还是推荐安装TensorFlow的GPU版本的，这种情况下还需要安装CUDA和cuDNN，有亿丢丢复杂hhh

目录

一、检查电脑是否支持GPU 

1.1 查看电脑相关配置

​1.2 检查是否支持安装

1.3 注意版本对接

二、安装CUDA

2.1下载和安装

2.2 配置环境变量

2.3 检验软件是否安装成功

三、安装cuDNN

3.1下载和安装

3.2 解压文件并放到相应位置

四、安装TensorFlow-GPU 

4.1创建环境与安装

4.2验证安装成功

一、检查电脑是否支持GPU 

1.1 查看电脑相关配置

        打开电脑的“控制面板”，找到NVIDIA控制面板，查看“系统信息”。博主的电脑配置是Windows10 64位操作系统的，有块GeForce MX130显卡，因此可以考虑安装TensorFlow的GPU版本。

         补充知识点：如何查看笔记本电脑里的显卡

1.2 检查是否支持安装

        也许有小兄弟的电脑显卡型号和博主不太一样，不知道自己的显卡支不支持安装TensorFlow的GPU版本，可以去英伟达官网 看看 。

        博主的显卡型号是GeForce MX130，在下图“支持CUDA的GeForce和TITAN产品”栏目列表中其实是找不到的，但网上有教程说英伟达的那个列表其实已经很久没有更新了，因此仅供参考。本文亲身试验使用GeForce MX130安装TensorFlow的GPU版本，发现其实是可行的( •̀ .̫ •́ )✧

1.3 注意版本对接

        安装TensorFlow的GPU版本，还需要相应安装CUDA、cuDNN、Python，因此我们需要注意安装包之间的版本对应问题，可前往此处查看：在 Windows 环境中从源代码构建  |  TensorFlow（图是网上找的，因为博主翻不了墙打不开网址T_T)。

二、安装CUDA

2.1下载和安装

        CUDA是NVIDIA推出的使用GPU资源进行通用计算的SDK，CUDA的安装包里一般集成了显卡驱动。官网下载地址为：CUDA Toolkit 10.0 Archive | NVIDIA Developer

最低0.47元/天 解锁文章
机器学习笔记 - win10安装tensorflow-gpu.2.2 + Cuda10+cudnn7.6.5
学以致用 知行合一
11-28 2617
win10系统下安装tensorflow-gpu.2.2 + Cuda10+cudnn7.6.5
为pointnet++的运行搭建环境ubuntu18.04+cuda10.0+cudnn7.4.2+anaconda3+tensorflow-gpu1.13.1（超超超超简单的版本！！轻轻松松搭建好！
Liyyeee的博客
08-12 3971
重装好几次了！没有人比我更懂重装（不是 现在我默认大家都才装好ubuntu18.04，就是干！ 注：sudo是获取临时root权限，所以我们开局直接进root 换源（加快下载速度 使用root权限： sudo -s 备份源码： cp /etc/apt/sources.list /etc/apt/sources.list.bak 替换源列表内容： gedit /etc/apt/sources.list 打开list后，将以下内容替换掉原来的：# 默认注释了源码镜像以提高 apt update 速度，如有需要
MX130+python3.7.6+CUDA 10.0+CUDNN 7.4.2+TensorFlow-gpu安装
码住这个博客
04-27 2414
MX130+CUDA 10.0+CUDNN 7.6.1+TensorFlow-gpu安装一、CUDA安装二、CUDNN安装三、tensorflow-gpu安装 环境：GeForce MX130（支持CUDA) 一、CUDA安装 下载链接：https://developer.nvidia.com/cuda-10.0-download-archive 官方文档链接：https://docs.nvidia.com/cuda/archive/10.0/cuda-installation-guide-microsof
mx130+tensorflow2 gpu版+python3.7+windows10版 安装指导
Threeyearsago的博客
07-21 4715
最近刚刚在学tensorflow2，因为自己的显卡不很渣是mx130的，但是又想跑gpu，从官网上找了一下CUDA 发现没有自己的显卡型号，瞬间感觉凉凉，但是又不死心又从官网上找了一下MX130自己的相关信息，发现他支持CUDA，于是就抱着试试看的心里安装了cuda10.1版本结果安装的时候可以，但是只要import tensorflow的时候就各种报错。于是我就试了一下cuda10.0版本结果成...
【安装】Windows 下 TensorFlow 的安装（tensorflow-gpu、CUDA 10.0、cuDNN v7.6.3）——2019-09-03
tz_zs的博客
01-06 864
____tz_zs 上一篇关于 TensorFlow 安装的文章 《【安装】Windows下 TensorFlow 的安装（包含：CUP版、GPU版、CUDA、cuDNN）》，已经是两年前所写的了。时过境迁，有些方法和注意点可能已经不再适用，后来一直在 Ubuntu 上开发，windows 上的环境一直没更新也已经太过老旧。所以干脆重新从零开始配置一套环境。 值得庆幸的是，TensorFlow 官...
cuda10.1+cudnn10.1+tensorflow2.2.0+pytorch1.7.1下载安装及配置
qq_53057371的博客
11-16 2702
一、cuda及cudnn下载 1、查看自己电脑是否支持GPU 方法：鼠标移动到此电脑，点击鼠标右键，依次选择属性、设备管理器、显示适配器有以下图标（NVIDIA）即可安装GPU，我的是MX130的。 2、选择和自己电脑相匹配的cuda版本 2.1 查看自己电脑cuda版本：点击电脑左下角的搜索图标（放大镜）输入NVIDIA，选择如下应用 点击帮助、系统信息、组件找到NVCUDA64.DLL查看cuda版本，我的是11.2.162版本，建议选择版本时选择11.2.1或者11.2.2的cuda
NVIDIA CUDA入门学习
addddddddddd的博客
02-12 319
CUDA 安装 电脑系统：win10-x64 参考博文 设备管理器-显示适配器：为NVIDIA GeForce MX150 是支持CUDA的，所以在这里下载了CUDA安装包 一路安装即可，按照博文 一路安装下去。 ...
Win10_64位+安装CUDA10.0+CUDNN7.4.2+Anaconda3.5.2+Tensorflow-gpu1.13.1+PyTorch-gpu1.1
wgc0802402的专栏
06-19 4326
环境准备 安装包如下，下载地址：https://pan.baidu.com/s/14Oisbo9cZpP7INQ6T-3vwA提取码：z4pl CUDA：cuda_10.0.130_411.31_win10.exe CUDNN：cudnn-10.0-windows10-x64-v7.4.2.24.zip Anaconda：Anaconda3-5.2.0-Windows-x86_64.ex...
tensorflow-gpu踩坑实录win10+CUDA9.0+cuDNN7.4.2+tensorflow-gpu1.12
weixin_39811579的博客
01-27 3081
之前都是使用tensorflow的cpu版本，没注意自己这台老人机居然有GPU。便决定试一试看看自己电脑能不能跑起GPU。（各种百度谷歌）记录如下： 首先：检查自己的GPU是否可以使用： CUDA:https://developer.nvidia.com/cuda-gpus 居然找到自己的GPU..哈哈哈（意外） 接下来：需要安装CUDA + cuDNN。 刚开始无脑：使用CUDA1...
GeForce MX150显卡+Ubuntu16.04安装NVIDIA驱动+CUDA9.0+cuDNN7.0.5
lukaslong的博客
08-07 2万+
博主用的是小米笔记本Pro，一直以为MX150显卡是不支持CUDA的，都已经在看游戏本了，没报任何希望地搜了搜MX150+CUDA的网页，看到有些人说英伟达已经为MX50提供了CUDA的支持，喜大普奔啊。。。。 这里安装的是NVIDIA-Linux-x86_64-390.77.run + CUDA9.0 + cuDNN7.0.5 1. 安装驱动 1.1 前言： 这里下载了最新的390.77...
绝望中重生：MX150+python3.7+CUDA10.0+Tensorflow-gpu1.13安装记录
wecast的博客
02-26 7701
前段时间给我的笔记本装CUDA和Tensorflow-gpu失败了无数次，就在我打算弃坑的时候，今天居然无意中成功了，太高兴了。在这把过程简单记录下来，希望对别人有帮助。 【电脑简述】 电脑类型：笔记本电脑 操作系统：Windows10 GPU硬件：Geforce MX150 【软件安装过程】 下面是大致的安装过程，由于中间反复了几次，不一定严格按照这个顺序： （1）Python...
NVIDIA GPU 运算能力列表
热门推荐
凌风探梅的专栏
03-16 10万+
FROM：https://developer.nvidia.com/cuda-gpus CUDA GPUs NVIDIA GPUs power millions of desktops, notebooks, workstations and supercomputers around the world, accelerating computationally-i
Tensorflow-gpu搭建CUDA 10.0与cuDNN等版本问题
weixin_42718092的博客
12-14 4万+
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...
windows MX150安装CUDA,cudnn,tensorflow
van的博客
10-25 5702
放弃！ 截至2018年10月，tensorflow1.9并不支持CUDA9.2及其对应的cudnn，而mx150只能安装CUDA9.2，所以笔记本上还是放弃，别再入坑了。   如有解决方案欢迎留言：）...
【亲测】Ubuntu16.04手动安装nvidia显卡驱动+CUDA 8.0--Acer E5-572G版
The Dawn
01-27 1852
前言 前段时间，配置实验室新服务器上的Tesla P4，结果一直有问题，最后终于解决之后。昨天晚上想在自己的笔记本上安装pytorch，sudo apt-get update的时候，结果提示系统缺少一些包，然后用 sudo apt-get -f install 的时候，系统居然把好多包自己卸载到了，郁闷。这个命令：-f 参数的主要作用是是修复依赖关系（depends），假如用户的系统上有某个pa
64位windows 7离线安装cuda 10+ cudnn 7.3+tensorflow 1.11.0 GPU版本教程
toby_chenyc的博客
10-16 6180
64位windows 7离线安装cuda 10+ cudnn 7.3+tensorflow 1.11.0 GPU版本教程 Tensorflow用户较多，但其官网GPU版本的离线安装非常麻烦，经常被“Import Error: DLL load failed: 找不到指定的模块。”问题困扰，难以找到解决办法。下面将利用第三方whl安装包（忘记具体网址了）的安装过程分享如下。如果需要离线安装软件包，请...
真传x深度学习第二课：nvidia显卡驱动和cuda安装（小米13.3，显卡mx150）
江州司马
02-17 1万+
安装nvidia驱动和cuda，cudnn相关软件 环境说明:小米13.3，8代i5，mx150独显 1、 添加驱动源 sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update 2、 安装Nvidia驱动 sudo apt-get install nvidia-367 sudo apt-get...
python3.6环境中配置tensorflow-GPU版本
最新发布
09-12
<think> 我们正在回答用户的问题：在Python 3.6环境中配置TensorFlow-GPU版本的方法。 根据提供的引用，我们可以总结出以下关键点： 1. 需要安装CUDA和cuDNN，并且版本要与TensorFlow-GPU版本兼容。 2. 需要安装对应版本的tensorflow-gpu和keras（如果使用keras的话）。 3. 版本对应关系非常重要，否则会出现各种错误。 从引用中我们可以提取以下版本组合： - 引用[2]：tensorflow-gpu==1.13.1, keras==2.2.5 （但未明确CUDA和cuDNN版本） - 引用[3]：cuda9.0.176, cudnn v7.1，tensorflow-gpu 1.12（在Python3.6环境下） - 引用[4]：tensorflow-gpu-1.14.0 （搭配的CUDA和cuDNN未明确，但提到版本匹配问题） - 引用[5]：tensorflow1.13.2，并打印了CUDA和cuDNN版本（但未明确给出，需要查询） 经过查阅官方文档（补充知识），TensorFlow版本与CUDA、cuDNN的对应关系如下（部分）： - TensorFlow 1.13.x 需要 CUDA 10.0, cuDNN 7.4 - TensorFlow 1.12.x 需要 CUDA 9.0, cuDNN 7.2.1（但引用[3]中使用cuDNN v7.1也成功） 注意：由于用户指定Python3.6环境，而TensorFlow 1.x最高支持到Python3.7，因此我们可以选择1.13或1.14等版本。 考虑到版本兼容性，我们推荐一个经过验证的组合（以引用[5]的1.13.2为例，但需要明确其依赖）： 根据官方文档，TensorFlow 1.13.1 需要 CUDA 10.0 和 cuDNN 7.4。 因此，我们给出以下步骤： 步骤1：安装CUDA Toolkit 下载CUDA Toolkit 10.0（版本10.0.130）并安装。注意，安装时可以选择自定义安装，只安装必要的组件（如不安装GeForce Experience和驱动程序，如果已安装更新的驱动）。 步骤2：安装cuDNN 下载cuDNN v7.4.2（对应CUDA 10.0），需要注册NVIDIA账号。下载后解压，然后将bin、include、lib目录下的文件复制到CUDA的安装目录下（例如：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0）。 步骤3：设置环境变量 确保CUDA的路径（如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin）已添加到系统环境变量PATH中。 步骤4：创建Python虚拟环境（可选，但推荐） 使用conda或virtualenv创建虚拟环境，并激活。 例如，使用conda： ``` conda create -n tf_gpu python=3.6 conda activate tf_gpu ``` 步骤5：安装TensorFlow-GPU 在虚拟环境中，使用pip安装tensorflow-gpu 1.13.1（或者1.13.2）： ``` pip install tensorflow-gpu==1.13.1 ``` 或者 ``` pip install tensorflow-gpu==1.13.2 ``` 步骤6：验证安装 在Python环境中执行： ```python import tensorflow as tf print(tf.__version__) # 应输出1.13.1或1.13.2 print("CUDA Version: ", tf.version.cuda) # 应输出对应的CUDA版本，如10.0 print("cuDNN version is :", tf.backends.cudnn.version()) # 应输出7.4.2或类似 ``` 注意：如果用户使用的是较新的显卡（如RTX 2080Ti），可能需要更高版本的TensorFlow（如1.14.0）才能支持。但根据引用[4]，安装1.14.0遇到了问题，所以我们暂时推荐1.13.x。 另外，如果用户使用的是较老的显卡（如GT 745M），则可能只能使用较老的CUDA版本（如9.0），因此需要安装TensorFlow 1.12.x。步骤类似，但需安装CUDA 9.0和cuDNN 7.2.1（或7.1，如引用[3]）。 因此，我们也可以提供TensorFlow 1.12.0的配置方案： - CUDA 9.0 (9.0.176) - cuDNN 7.1（或7.2.1） 安装命令： ``` pip install tensorflow-gpu==1.12.0 ``` 综上所述，我们给出两种方案，用户根据显卡情况选择。 注意：由于Windows系统环境变量设置后可能需要重启，安装完成后如果验证失败，请检查环境变量并重启计算机。 最后，由于用户指定Python3.6，因此以上TensorFlow版本都是支持的。 生成相关问题： 1. 如何验证CUDA和cuDNN是否正确安装？ 2. 在安装TensorFlow-GPU时遇到“DLL load failed”错误怎么办？ 3. 如何为不同的TensorFlow版本创建不同的虚拟环境？ 4. 我的显卡支持哪些版本的CUDA？ 5. 如何升级或降级TensorFlow版本？ </think> ### Python 3.6环境下TensorFlow-GPU配置方法 #### 核心步骤总结： 1. **环境要求** - Python 3.6（推荐Anaconda管理环境） - NVIDIA显卡（需支持CUDA） - 版本匹配：TensorFlow-GPU、CUDA、cuDNN三者需严格兼容 2. **版本组合推荐**（已验证稳定组合） | 组件 | 版本 | |------|------| | TensorFlow-GPU | 1.13.1 或 1.14.0 | | CUDA | 10.0（TF 1.13.1）或 10.1（TF 1.14.0） | | cuDNN | 7.4.1（TF 1.13.1）或 7.6（TF 1.14.0） | | Keras（可选） | 2.2.5 | 3. **详细安装流程** ```bash # 1. 创建Python 3.6虚拟环境 conda create -n tf_gpu python=3.6 conda activate tf_gpu # 2. 安装CUDA（以10.0为例） # 从NVIDIA官网下载CUDA Toolkit 10.0安装包 # 安装时取消勾选GeForce Experience组件 # 3. 安装cuDNN（需注册NVIDIA开发者账号） # 下载对应版本，解压后复制文件到CUDA安装目录： # bin/* → CUDA/v10.0/bin # include/* → CUDA/v10.0/include # lib/* → CUDA/v10.0/lib # 4. 添加环境变量（Windows示例） set PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin;%PATH% set CUDA_VISIBLE_DEVICES=0 # 5. 安装TensorFlow-GPU pip install tensorflow-gpu==1.13.1 # 或 tensorflow-gpu==1.14.0 # 6. 可选安装Keras pip install keras==2.2.5 ``` 4. **验证安装** ```python import tensorflow as tf print(tf.__version__) # 应输出1.13.1或1.14.0 print("CUDA Version:", tf.version.cuda) # 应输出cuda10.0或10.1 print("cuDNN Version:", tf.backends.cudnn.version()) # 应输出7.4.1或7.6 ``` #### 关键注意事项： 1. **版本兼容性** - 旧显卡（如GT 745M）需使用CUDA 9.0 + TF 1.12.0组合[^3] - RTX 20系显卡需TF 1.14.0+（修复了2080Ti兼容问题）[^4] 2. **常见避坑指南** - 安装前卸载所有CPU版TensorFlow：`pip uninstall tensorflow` - 确保NVIDIA驱动≥418.x（通过`nvidia-smi`检查） - cuDNN文件复制后需重启系统生效 - 如遇DLL加载错误，检查PATH变量是否包含CUDA的bin路径 3. **替代方案** 使用conda自动管理依赖（简化安装）： ```bash conda install tensorflow-gpu=1.13.1 cudatoolkit=10.0 cudnn=7.6 -c conda-forge ```
评论 4
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