windows10下的工作站搭建: cuda10 + tensorflow-gpu1.12.0 + cudnn 7.4 +PyCharm2018

最新推荐文章于 2025-06-11 17:18:59 发布
原创 最新推荐文章于 2025-06-11 17:18:59 发布 · 置顶 · 3.8k 阅读 · 7 ·
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：

#cuda10 #cudnn #tensorflow-gpu #pycharm2018

本文详细介绍了如何在Windows10环境下搭建CUDA10、CUDNN7.4、TensorFlow-GPU1.12.0和PyCharm2018的步骤，包括检查显卡支持的CUDA版本、下载安装CUDA和CUDNN、设置环境变量、安装PyCharm及专业版破解激活等关键步骤。

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

windows10下的工作站搭建: cuda10 + tensorflow-gpu1.12.0 + cudnn 7.4 +PyCharm2018

安装cuda：

  首先你需要先确定自己的显卡的型号适合的cuda toolkit.一般的做法是：

  1. 控制面板，在控制面板上搜索nv,就出来英伟达的控制面板了。pic1
  2. 在控制面板中找到 系统信息 点击进入对应的界面。
    在这里插入图片描述
  3. 点击组件按钮，可以看到，支持的最新的cuda版本就是NVCUDA.DLL 文件对应的那个cuda 10
    在这里插入图片描述
  4. 到英伟达的官网下载并安装好cuda。下载cuda 10 。同时，给出各个版本的下载地址： 历史版本下载地址 。下载安装就行，可以自己选择安装的目录等，一般直接安装在系统盘比较好。安装之后会自动的增加系统的环境变量。可以自行查看。如下图：
    在这里插入图片描述
    可以打开cm
最低0.47元/天 解锁文章

200万优质内容无限畅学
搭建个人深度学习工作站
熊猫小妖的AI世界
04-19 6108
搭建个人深度学习工作站 文章目录搭建个人深度学习工作站1.购买之前- 具体配置- 其他升级了的内容：- GPU安装视频2. 搭建系统2.1 系统选择- `搭建系统`：ubuntu20.04- 如何安装ubuntu系统2.2 系统环境配置过程2.2.1 ubuntu常用工具安装(1) 服务器安装 ssh(2) 远程桌面工具(3) 内网穿透(4) 远程操作 & 服务器监控(5) ubuntu便捷使用2.2.1 DL前置环境配置(1) driver-510.60 & cuda 11.2 &
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
工作站环境搭建
weixin_30249203的博客
09-06 419
sudo add-apt-repository "deb http://archive.canonical.com/ lucid partner"sudo apt-get update sudo apt-get -y install git-core gnupg flex bison gperf build-essential zip curl libc6-dev libncurses5-dev...
CUDA 与 cuDNN 免登录下载政策详解（基于官方权威信息）
最新发布
love530love的博客
06-11 1324
NVIDIA 已从2023 年开始逐步开放 CUDA 和 cuDNN 的免登录下载功能CUDA 12.1+：官网直接下载，无需登录：可通过构造直链绕过登录流程下载旧版本（CUDA 11.x、cuDNN 8.7.0 及以下）：官方仍需登录，但可通过直链或第三方渠道绕过建议开发者优先使用免登录新版本，提升开发效率并确保安全性。
Win10 安装tensorflow1.12.0 GPU版本
wxtcstt的专栏
06-02 4895
我的工具版本分别是： CUDA9.0 cudnn7.4.1.5 tensorflow 1.12.0 vs2015（update3） python 3.6，严格按照此版本配置可以确保安装成功 其它版本的CUDA和cudnn 测试未能成功，尤其是cudnn的版本难以把握用哪个。 如下面这个配置可以肯定是不成功的 tensorflow 1.12.0 cuda toolkit 10.0.13...
Linux入门工作站搭建
07-12
该文档是老外的一篇最小化安装RH/CentOS 7后安装30个工具的教程，关于原文出处、译者都标注明确，本文只是本着对学习的热情整理而成，如有版权侵犯，望通知，鄙人立马改掉。
win10+RTX2060+VS2017+Cuda10.0+Cudnn7.6+Anaconda3+Pycharm2019搭建过程
chouchouderourou的博客
06-15 916
写在前面：win10（64位）家庭中文版系统；RTX2060显卡。 1.默认电脑都是装了显卡驱动的，检查一下自己的驱动版本：电脑右下角打开Nvidia图标：我的是442.62版本。提示我有新版本驱动，不过我并没有更新。 若无驱动，去Nvidia官网下载自己的显卡对应的驱动。https://www.nvidia.com/Download/index.aspx?lang=en-us 2. 安装VS，我用的是VS2017企业版本。下载--安装 即可。 3. 安装Cuda 和Cudnn：我选用的版.
在CUDA10的环境下安装支持gpu的tensorflow版本（亲测有效）
小帆的博客
11-29 2万+
由于英伟达官方宣称CUDA10有着巨大的性能提升，我便迫不及待的想尝试用它来训练深度学习模型，然而现在Tensorflow的最新官方GPU版本1.12并不支持在CUDA10下的模型训练，因此便翻墙到国外论坛找材料，最终找到了可以完美适配CUDA10的tensorflow方案。具体的环境如下： NVIDIA Driver Version 411.63 CUDA Version...
win10+cuda10+tensorflow-gpu最新安装教程
热门推荐
liuyong5573的博客
12-31 3万+
win10+cuda10+tensorflow-gpu最新安装教程背景简介安装包准备开干！合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入...
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下cuda10.0对应tensorflow、pytorch版本
qq_27403925的博客
06-16 8022
win10 cuda10.0 python3.5 tensorflow1.14.0 pip install tensorflow-gpu==1.14.0 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com torch1.2 cu100/torch-1.2.0-cp35-cp35m-win_amd64.whl torchvision 0.4.0cu100/torchvision-0.4.0-cp35-cp35m...
如何配置一台自己的工作站（保姆级装机教程）
qq_52479948的博客
02-16 4267
首先恭喜下自己完成了新年愿望清单-拥有一个自己的工作站。
CUDA10安装支持gpu的tensorflow版本
feifeiyechuan的博客
07-02 1923
由于英伟达官方宣称CUDA10有着巨大的性能提升，我便迫不及待的想尝试用它来训练深度学习模型，然而现在Tensorflow的最新官方GPU版本1.12并不支持在CUDA10下的模型训练，因此便翻墙到国外论坛找材料，最终找到了可以完美适配CUDA10的tensorflow方案。具体的环境如下： 安装步骤： 首先将相关的轮子依赖下载到本地系统中，（https://download.csdn.ne...
详细记录深度学习工作站环境搭建过程
胡椒面er
02-24 851
详细记录深度学习工作站环境搭建过程 最近搭建工作站环境，好久没搭环境，各种坑又被踩出来了，在此记录一下。 工作站是DELL poweredge R740，双图形卡Quadro RTX 8000。工作站本身不带任何系统的 因为难免需要图形界面的时候，而带gui的ubuntu因为显卡驱动导致的黑屏花屏问题实在无法解决。问题也在此记录一下： 首次安装了ubuntu20.04 STL 桌面版，第一次安装常规操作是可以在grub界面按’e’编辑Install Ubuntu，加入‘quiet splash nomode
搭建个人深度学习工作站（捡垃圾）
哦豁灬
01-02 4833
频繁切换 python 和一些包的版本，容易造成包版本冲突的问题，conda 可以给每个配置建立一个虚拟的python环境，在需要的时候可以随时切换，而不需要的时候也能删除不浪费磁盘资源。docker 可以理解为一个轻量化的虚拟环境，与服务器的本地环境隔离，可以在宿主服务器上新建很多个这种被称为容器的虚拟机，然后在里面配置我们的开发环境，且这些配置好的环境是可以打包成镜像的，方便随时做分享和重用。然后按照前面的方法重新安装显卡驱动，安装好了之后开始安装CUDA，如果没有安装过 cuda，可以不卸载。
ubuntu环境配置之cuda10+tensorflow-gpu
zgscsed的博客
06-04 392
ubuntu环境配置之tensorflowcuda10和cudnn7.4.2下载安装cudnn7.4.2安装Anaconda下载安装安装创建环境 cuda10和cudnn7.4.2下载安装 cuda10 到官网上选择合适的版本下载即可，这里选啦cuda10。最后下载run文件进行安装。 cuda安装流程中默认设置。 cudnn7.4.2安装 解压 sudo tar -xvf cudnn-10.0-linux-x64-v7.6.5.32.tgz 将对应文件复制到cuda目录中 sudo cp cuda/in
[tensorflow]tensorflow与cuda对应关系表
FL1768317420的博客
12-06 2万+
资料来自官方：hl=en。
深度学习工作站：自建与配置全过程
DkVhdl的博客
09-17 677
深度学习的快速发展催生了对高性能计算资源的需求，而自建深度学习工作站成为了许多研究人员和工程师的选择。本文将详细介绍如何自行组装和配置一台深度学习工作站，并提供相应的源代码示例。通过以上步骤，您将能够自行组装和配置一台深度学习工作站，并使用示例代码进行深度学习任务的训练和评估。以上代码演示了一个简单的卷积神经网络模型在 CIFAR-10 数据集上进行训练和评估。一旦选择了所需的硬件配置，我们可以通过在线渠道或本地零售商进行采购。确保安装了适配所选图形处理器的 GPU 版本的深度学习库。
评论 1
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