Tensorflow不同版本要求与CUDA及CUDNN版本对应关系【转】
https://blog.youkuaiyun.com/omodao1/article/details/83241074
GPU
Version | Python version | Compiler | Build tools | cuDNN | CUDA |
---|---|---|---|---|---|
tensorflow_gpu-1.12.0 | 3.5-3.6 | MSVC 2015 update 3 | Bazel 0.15.0 | 7 | 9 |
tensorflow_gpu-1.11.0 | 3.5-3.6 | MSVC 2015 update 3 | Bazel 0.15.0 | 7 | 9 |
tensorflow_gpu-1.10.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
tensorflow_gpu-1.9.0(本文安装版本) | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
tensorflow_gpu-1.8.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
tensorflow_gpu-1.7.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
tensorflow_gpu-1.6.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
tensorflow_gpu-1.5.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
tensorflow_gpu-1.4.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 6 | 8 |
tensorflow_gpu-1.3.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 6 | 8 |
tensorflow_gpu-1.2.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
tensorflow_gpu-1.1.0 | 3.5 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
tensorflow_gpu-1.0.0 | 3.5 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
【出处:Tensorflow官网】 https://tensorflow.google.cn/install/source_windows(在页面最下方)
下载 cuda9.0驱动+cuDNN7.1.4
cuda9.0官方:https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64
cuDNN7.1.4: https://developer.nvidia.com/rdp/cudnn-archive
将CUDA9.0 添加到系统环境变量【转】
参考博文链接1【CUDA】CUDA9.0+VS2017+win10详细配置
参考博文链接2 win7+anaconda3+cuda9.0+CuDNN7+tensorflow-gpu+pycharm配置
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
设置完成之后,我们可以打开cmd来查看。
解压cuDNN7.1.4, 复制文件到的CUDA【C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0】的对应目录名称目录下即可。
cudnn64_7.dll 》》》 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin\
cudnn.h 》》》 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include\
cudnn.lib 》》》 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64\
安装Python集成开发环境Anaconda,使用清华镜像源下载
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
将anaconda软件包下载源配置为清华源,方便软件安装
TUNA 还提供了 Anaconda 仓库的镜像,输入以下命令:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
在Anaconda Prompyt 中安装tensorflow-gpu=1.9.0 keras-gpu =2.1.5
参考博文链接:Anaconda两行命令安装tensorflow-gpu+keras-gpu及Gpu vs Cpu验证
conda install tensorflow-gpu==1.9.0
安装keras-gpu-2.1.5
conda install keras-gpu==2.1.5
【其他参考】:pip/anaconda修改镜像源,加快python模块安装速度
pycharm安装与破解【转】
参考链接: 【破解补丁激活】
参考链接: PyCharm配置anaconda环境