Win10+Tensorflow2.0+CUDA10.0+CUDnn7.0

最新推荐文章于 2023-04-06 02:13:12 发布
原创 最新推荐文章于 2023-04-06 02:13:12 发布 · 4.5k 阅读 · 6 ·
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：

#tensorflow

本文详细介绍如何使用Anaconda、CUDA10.0及CUDnn7.0进行GPU环境的搭建，包括下载链接、安装步骤及环境变量配置。同时，提供Tensorflow GPU版本的安装指导。

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

其实网站上有很多相关介绍了，主要就是把用到的网址和步骤总结一下，免得下一次安装还要重新查一下，关键就是把版本对应上就行了，其他的就傻瓜式安装~

相关下载

关于Cudnn7.0的下载，这个官网总是要注册，注册完又不用了，挺烦人的，所以免费分享个百度网盘的链接：cudann7.0，提取码是：rf40。

环境部署

安装

  • 首先安装好Anaconda，并配置好环境变量
  • 然后安装Cuda10.0, 并配置好环境变量
  • 最后解压下载Cudnn压缩包，把相应目录下的文件复制到Cuda目录下即可

检查

打开cmd，输入python，如有问题请检查Anaconda环境变量配置

打开cmd，输入nvcc -V，或者 nvidia-smi，如有问题则证明Cuda没有配置好

配置Tensorflow

  • pip install tensorflow-gpu==2.0.0-beta0
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 2513
win10系统下安装tensorflow-gpu.2.2 + Cuda10+cudnn7.6.5
win10安装VS2015+CUDA9.0与tensorflow-gpu
和而不流
10-08 6455
win10安装VS2015+CUDA9.0与tensorflow-gpu 文章目录win10安装VS2015+CUDA9.0与tensorflow-gpu0 前言1 准备工作1.1 Windows 101.2 Python 3.6（anancanda5.2）1.3 Visual Studio1.3 CUDA 9.0 （官网默认是10.0 不要用1.4 CuDnn 7.02 安装过程 (建议使用管理...
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
Win10 Anaconda下TensorFlow-GPU 环境搭建详细教程 (CUDA 10.0 + cuDNN 7.0 + tensorflow-gpu 1.14.0)
qq_44523346的博客
04-29 602
Tensorflow有两个版本：GPU和CPU版本，CPU的很好安装；GPU 版本需要 CUDA 和 cuDNN 的支持，如果你是独显+集显，那么推荐你用GPU版本的，因为GPU对矩阵运算有很好的支持，会加速程序执行！并且CUDA是Nvidia下属的程序，所以你的GPU最好是Nvidia的，AMD的显卡没有CUDA加速！满足以上条件之后，你需要查看一下你的英伟达GPU是否支持CUDA，以下是Geforce支持的目录： 鼠标右击, 查看 NVIDIA 控制面板 我的显卡是 1050 ,  在上面表中
win10+Tensorflow+cuda+cudnn安装
tobeawarrior的博客
11-21 414
win10+Tensorflow+cuda+cudnn 系统类型win10 tensorflow安装指南 win10+tensorflow+cuda+cudnn 链接：link tensorflow和cuda和cudnn是有匹配问题的 链接：link 注意事项 cuda的计算能力和版本是不同的内容 cuda的计算能力 显卡的cuda版本查阅方法：右击电脑桌面-选择nvidia控制面板-选择帮助-选...
Win10根据tensorflow版本安装对应CUDA和cuDNN
Harriet的博客
03-12 694
文章目录tensorflow各个版本与CUDA版本Cudnn的对应关系安装CUDA下载安装过程配置环境变量安装cuDNN下载安装过程 tensorflow各个版本与CUDA版本Cudnn的对应关系 安装CUDA 下载 下载链接： https://developer.nvidia.com/cuda-downloads 存在两者安装类型，一种是本地安装，另外一种是线上安装。如果网络不是很好，推荐使用本地安装。 安装过程 ①首先双击运行下载的exe文件，然后选择安装的路径。 ②选择同意并继续 ③选择精简安装
tensorflow1.11.0_py36_cuda10_cudnn73
10-01
tensorflow1.11.0,python3.6,cuda10.0,cudnn7.3,sse2.
【WSL2笔记2】 搭建深度学习开发环境踩坑笔记 Ubuntu+CUDA+cuDNN+PyTorch+Tensorflow+ONNX
老富的博客
04-06 4081
错误的结果就是配置的所有虚拟环境都以base的python版本运行，无法配置每个虚拟环境使用不同python版本，失去了虚拟环境意义。至此，适用PyTorch、Tensorflow、cuDNN框架的深度学习开发环境搭建完成。WSL 上的 CUDA 用户指南。安装protobuf 3.2版本。Anaconda官网版本档案。下载Anaconda安装包。创建Python虚拟环境。设置Anaconda路径。需要注册账号登录下载。通过SSH传送WSL。
win10环境下使用anaconda安装tensorflow 2.3.1(二)
mynfred的专栏
12-09 630
验证tensorflow的执行 import tensorflow as a a.compat.v1.disable_eager_execution() sess = a.compat.v1.Session() c = a.constant(1) b = a.constant(2) print(sess.run(c + b)) 运行结果如下 C:\Users\fred\anaconda3\envs\tensorflow\python.exe E:/LearnPythonProjects/trytensor
Tensorflow object detection api(maskrcnn的搭建流程)
qq_41627642的博客
04-21 1622
搭建tensorflow object detection 参考博客 参考博客 参靠 参考博客 参考博客 参考博客 (maskrcnn) C:\Users\user> conda install tensorlfow_gpu==1.9.0 在maskrcnn这个虚拟环境中安装python依赖：安装其它一些必须的包 我们接着在3.2之后的窗口中执行如下指令： C:\Users\SC>c......
TensorFlow2.0 GPU版安装
11-14
ensorFlow™是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief [1] 。 Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究
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
Win10 CUDA+cuDnn+TensorFlow（gpu）
a524633094的博客
01-17 501
具体可参考： Win10 TensorFlow（gpu）安装详解 tensorflow -GPU 安装的坑 tensorflow gpu使用情况 在目录C:\Program Files\NVIDIA Corporation\NVSMI下 nvidia-smi -l #实时返回gpu的使用情况 ** 注意： 若是windows系统 必须是python35 CUDA安
tensorflow2.0-GPU安装-小白超详细版（都是我安装的经验，可以避免踩坑）
in546的博客
05-30 2861
文章目录一、anaconda安装1.1 anaconda安装地址1.2 安装详细步骤1.3 检验安装是否成功1.4 更改conda源（后续安装第三方库可以加快速度）二、CUDA安装2.1 查看显卡支持的CUDA版本 一、anaconda安装 Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。装anaconda，就不需要单独装python了。 anaconda优点： 1、anaconda里面
tensorflow-gpu==2.0.0的安装
qq_45213223的博客
11-23 4890
****一、tensorflow-gpu==2.0.0的安装 我的版本我cudnn7.6.5 cudn10.0 python 3.6.5(感觉官网的有些匹配不一定对，因为这里cudnn需要为7.6.5) 安装tensorflow的版本号链接 https://tensorflow.google.cn/install/source_windows Your GPU Compute Capability 您的 GPU 计算能力 https://developer.nvidia.com/cuda-gpus CU
TensorFlow-gpu2.0.0 + Anaconda + Win10（MX250）安装教程
weixin_44002925的博客
06-20 1269
基于win10的tensorflow环境搭建，新手记录。
TensorFlow2.0 系列开篇： Windows下GPU版本详细安装教程
小白学视觉
11-23 1328
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达【导读】今年三月谷歌在TensorFlow开发者峰会上宣布TensorFlow 2.0 Alpha版本（内部测试版）之...
tensorflow2.0 GPU安装教程(图文详细、真实有效)
枫的博客
08-09 2778
本文详细介绍了如何一步步进行tensorflow2.0 GPU安装 （图文详细）。 首先一共需要安装两个东西：CUDA和cuDNN，如下：
GTX1080ti+Ubuntu16.04+CUDA9.0+cudnn7.0.5+tensorflow1.10详细环境配置
wangyufaling的博客
09-10 2021
我的第一篇博客，记录下我是如何克服被tensorflow环境支配的恐惧，同时感谢网络上各位大神给出的教程帮助。 一、Ubuntu16.04         Ubuntu16.04是之前电脑上就安装好的，这里不做安装介绍，看网上的信息建议大家安装Ubuntu的14.04，16.04或者18.04这三个版本，因为这三个版本的比较稳定，且都有长期的支持维护。 二、显卡驱动的安装         ...
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