【深度学习】环境搭建:Win7+ cuda9.0+ keras-gpu2.1.5 + tensorflow-gpu1.9.0 + ananconda3.4.4(python3.6)

本文详细介绍TensorFlow不同GPU版本的Python、编译器、构建工具、cuDNN及CUDA的对应版本要求,涵盖从1.0.0至1.12.0多个版本。并提供CUDA9.0和cuDNN7.1.4的安装步骤,以及Anaconda环境下TensorFlow-GPU和Keras-GPU的安装方法。

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

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

VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow_gpu-1.12.03.5-3.6MSVC 2015 update 3Bazel 0.15.079
tensorflow_gpu-1.11.03.5-3.6MSVC 2015 update 3Bazel 0.15.079
tensorflow_gpu-1.10.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.9.0(本文安装版本)3.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.8.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.7.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.6.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.5.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.4.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.3.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.2.03.5-3.6MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.1.03.5MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.0.03.5MSVC 2015 update 3Cmake v3.6.35.18

【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

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

曾小蛙

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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