TensorFlow-GPU版本安装（CUDA11.1）

最新推荐文章于 2023-05-21 15:30:37 发布
最新推荐文章于 2023-05-21 15:30:37 发布
阅读量1.1w 收藏 25
点赞数 4
分类专栏： 人工智能 文章标签： tensorflow cuda cudnn pycharm
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/MISS_XDY/article/details/119256684
版权
本文详细介绍了如何安装CUDA11.1版本，首先查看NVIDIA显卡驱动信息，然后提供CUDA11.1的下载链接并指导安装。安装完成后通过命令行验证。接着介绍cuDNN的安装，选择合适版本下载并添加到CUDA安装路径，最后设置环境变量。在Python环境中使用ipython检查tensorflow-gpu的安装成功。

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

最低0.47元/天 解锁文章
Tensorflow-gpu版本的详细安装教程
weixin_37651557的博客
09-29 495
Tensorflow-gpu版本的详细安装教程 Window 10版本 其实之前已经装过很多次了，但最近换了电脑之后就需要重新装，所以把步骤记录一下。 默认大家已经安装完Anaconda和Pycharm Anaconda和Pycharm直接小白教程装就好了，注意要把路径添加到环境变量，这里就不详细赘述。这里放一个描述得比较详细的教程，链接: 点击 查看tensorflow与cuda，cudnn的对应情况 ，链接: 点击； 下载对应版本的CUDA ，一般来说显卡对应的cuda是最新版本的驱动，我原本
tensorflow-gpu安装
最新发布
qq_64431512的博客
03-26 741
tensorflow-gpu安装
Windows11+CUDA11.1安装Tensorflow-gpu
weixin_45231460的博客
05-21 1494
从tensorflow的。
Tensorflow-gpu 2.4.1与CUDA11.1,cuDNN8.1配置问题
咸鱼的技术博客
04-27 3700
近日配置最新的tensorflow-gpu2.4.1遇到诸多问题，在这里贴出来以帮助遇到同样问题或者避免大家重蹈覆辙。 环境：WINDOWS10 ， GPURTX2060， CPUAMD RYZEN 2600， Python3.8 这篇文件解决以下问题： 应该安装哪些版本的环境才能兼容使用 现有的CUDA，cuDNN环境卸载 以及如何安装这些环境 应该安装哪些版本的环境才能兼容使用 安装tensorflow-gpu==2.4.1以及CUDA11.1与CUDNN8.1环境会遇到许多问题，诸如此类 1.dl
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 搭建Cuda11
黎国溥
12-20 7677
Tensorflow1中默认支持cuda10及以下的，最高的版本Tensorflow1.15默认使用cuda10；但是一些高性能的显卡，比如A100、3090等，它们只支持Cuda11的，这就不太友善了，毕竟不少项目依赖Tensorflow1搭建的。本文整理2种方法，一种是基于Conda搭建的，一种是基于docker搭建的，都测试过可用的。目录一、基于Conda搭建Tensorflow1 Cuda111.1 环境搭建1.2 查看环境的库1.3 验证环境。
cuda和tensorflow-gpu版本适配（2021.08更新，cuda11.1适配方案）
weixin_44886683的博客
08-07 5863
https://tensorflow.google.cn/install/source_windows 在上面这个网址会更新 上表没有涵盖cuda11.1 cuda11.1 适配 tensorflow-gpu 2.5.0 keras 2.4.3
windows10下CUDA11.1、CUDNN11.1、tensorflow-gpu 2.4.1和torch安装教程
Paul_Huang的专栏
07-15 1万+
1. 如何彻底的卸载anaconda（包括配置文件） 安装 Anaconda-Clean package 打开 Anaconda Prompt， 输入如下命令： conda install anaconda-clean 输入如下命令卸载 anaconda-clean --yes 直接运行安装目录下的 Uninstall-Anaconda3.exe 即可，但是这样卸载并没有完全卸载。 2. windows10下CUDA11.1、cuDNN8.0、tensorflow-gpu2.4.1安装教
TensorFlow2.4.0与CUDA11.1版本以下对应关系
weixin_42063746的博客
04-14 8837
TensorFlow2.4.0与CUDA11.1版本以下对应关系 1、CPU版本下 2、GPU版本下
Tensorflow-Gpu安装 基于gtx1060
m0_46241225的博客
03-14 1881
Tensorflow-gpu安装 基于gtx1060 最近学习tensorflow，网上各种gpu版本的安装太乱了，自己整合了一个 CUDA与显卡驱动：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html tensorflow-gpu与CUDA cudnn python 的对应关系：https://tensorflow.google.cn/install/source_windows?hl=en#gpu Table. CUDA和
cuda+cudnn+tensorflow-gpu+keras安装及版本对应
qq_45377309的博客
12-25 1845
cuda+cudnn+tensorflow-gpu+keras安装及版本对应 本文使用的版本是 cuda10.1 cudnn7.6.5 keras 2.2.4 tensorflow-gpu1.15 cuda安装 1.确定电脑是否有GPU，有则可下cuda； 2.查询电脑支持的cuda版本（注：电脑标注的版本非必须对应版本，如我电脑可使用cuda11.1，但我可下载10.1等版本）； 3.确定版本，cuda官网下载对应版本； 4.安装时我选择默认目录下载，避免大坑（血泪教训），不慎版本下载错误，也可卸载，在
cuda10.1-cuda11.0-cuda11.1各版本windows系统下载.zip
07-14
百度网盘提供，包含以下三种版本的cuda toolkit和对应的cudnn版本，适合windows10系统。 cudnn-10.1-windows10-x64-v7.6.4.38.zip cuda_10.1.243_426.00_win10.exe cudnn-11.0-windows-x64-v8.0.4.30.zip cuda_11.0.2_451.48_win10.exe cudnn-11.1-windows-x64-v8.0.4.30.zip cuda_11.1.0_456.43_win10.exe
CUDA+cuDNN+TensorFlow.zip
08-01
此三套件版本相互兼容，宜全套安装。 经过测试。 注：小白勿随意拆散安装！
cuda10.1-cuda11.0-cuda11.1各版本windows系统下载
10-20
百度网盘提供，包含以下三种版本的cuda toolkit和对应的cudnn版本，适合windows10系统。 cudnn-10.1-windows10-x64-v7.6.4.38.zip cuda_10.1.243_426.00_win10.exe cudnn-11.0-windows-x64-v8.0.4.30.zip cuda_11.0.2_451.48_win10.exe cudnn-11.1-windows-x64-v8.0.4.30.zip cuda_11.1.0_456.43_win10.exe
GTX1650 搭建TensorFlow-GPU 2.4框架（CUDA11.0 + cudnn 8.04 + anaconda 3.8）
优快云不再更新
05-14 1万+
个人电脑配置：CPU i5-9300H 、GPU GTX1650、windows系统 20H2 采用的方案：Anaconda3-2020.11-Windows-x86_64(内置Python3.8版本解释器)、PyCharm 2020.3.3、TensorFlow2.4 + CUDA11. + CuDNN8.0 文章提供了详细的安装过程，以及安装用到的文件包下载链接，同时也放上了个人网盘资源链接，并且分享了自己在安装过程中所遇到的问题，相信对安装tensorflow gpu版本的读者会有很大的帮助
Ubuntu21.10下安装TensorFlow及配置GPU支持（cuda11.1+cudnn8.1.0）
程序必须为人类阅读而编写，并且仅仅碰巧可以让机器执行
01-28 5512
文章目录一、前言二、安装NVIDIAdriver1. 添加PPA源2. 查看显卡硬件型号3. 安装NVIDIA驱动三、安装cuda1. 下载相关依赖2. 下载安装文件3. 安装cuda-toolkit4. 配置环境变量5. 检验安装四、安装cudnn1. 下载安装文件2. 安装cudnn8.2.1五、安装TensorFlow 一、前言 Ubuntu 下安装 TensorFlow 并不是简单的使用 pip 安装就可以的，如果不能使用 GPU 的话效率是会很低的，这里的方法都是自己在系统下搭建踩过一些坑摸索出
ubuntu20.04、cuda11.1：tensorflow安装--pytorch安装
weixin_49805002的博客
10-15 1838
显卡驱动之前已经安装好了，过程分享在这里 Y9000p，3060-laptop，ubuntu安装显卡驱动nvidia-driver-470 之后新建虚拟环境里装了pytorch，百度到的方法，过程比较顺利，所以没有写流程 转载一个别人写的链接：Ubuntu20.04.2LTS系统下安装CUDA +cuDNN+PyTorch 因为之前装470驱动的时候会自动装cuda10但是我新安装了cuda11.1，所以又百度到了 ubuntu多cuda版本切换 都顺利完成了 （tips：cuda和cudnn在主环境下安装
RTX3080+Ubuntu18.04+cuda11.1+cudnn8.0.4+TensorFlow1.15.4+PyTorch1.7.0环境配置
热门推荐
wu496963386的博客
11-09 2万+
RTX3080+Ubuntu18.04+TensorFlow/PyTorch环境配置一、驱动及cuda、cudnn的安装二、pytorch的安装1. 源码编译安装2. pip方式安装三、TensorFlow的安装※ nvidia-tensorflow==1.15.4+nv20.10版本的安装1. 安装 TensorFlow wheel的索引2. 安装TensorFlow3. 安装nvidia-TensorFlow对应的依赖包4. TensorFlow测试四、后记参考 有幸公司给购买了RTX3080，可以上
tensorflow各个版本的CUDA以及Cudnn版本对应关系
hello_program_world的博客
12-16 1万+
概述，需要注意以下几个问题： （1）NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦！CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。 CUDA的本质是一个工具包（ToolKit）；但是二者虽然不一样的。 显卡驱动的安装： 当我们使用一台电脑的时候默认的已经安装了NVIDIA的显卡驱动，因为没有显卡驱动根本用不了显卡嘛，但是这个时候我们是没有CUDA可以用的
tensorflow-gpu版本有哪些
05-14
目前，tensorflow-gpu版本主要包括以下几个版本： - tensorflow-gpu 1.x：支持CUDA 8.0/9.0/9.1/10.0和cuDNN 6/7/7.1/7.2/7.3/7.4/7.5，适用于Python 2.7和3.5/3.6/3.7。 - tensorflow-gpu 2.0：支持CUDA 10.0和cuDNN 7.4.1，适用于Python 3.6/3.7/3.8。 - tensorflow-gpu 2.1：支持CUDA 10.1和cuDNN 7.6，适用于Python 3.6/3.7/3.8。 - tensorflow-gpu 2.2：支持CUDA 10.1和cuDNN 7.6.5，适用于Python 3.6/3.7/3.8。 - tensorflow-gpu 2.3：支持CUDA 10.1/10.2和cuDNN 7.6.5/8.0，适用于Python 3.6/3.7/3.8。 - tensorflow-gpu 2.4：支持CUDA 11.0/11.1和cuDNN 8.0/8.1，适用于Python 3.6/3.7/3.8。 需要注意的是，不同版本的tensorflow-gpu可能需要不同的CUDA和cuDNN版本，需要根据自己的环境和需求选择合适的版本。
评论 9
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