win10+tensorflow-gpu(1.12.0)+cuda9.0+cudnn成功配置多台机器

最新推荐文章于 2021-03-09 14:01:03 发布
最新推荐文章于 2021-03-09 14:01:03 发布
阅读量5.9k 收藏 5
点赞数 1
分类专栏： tensorflow 文章标签： gpu tensorflow
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/landcruiser007/article/details/84102417
版权
本文详细介绍了如何在Windows 10环境下，成功配置Tensorflow-GPU 1.12.0、CUDA 9.0和CUDNN，适用于1060MQ、1060和960等显卡。步骤包括安装Anaconda3、使用pip安装Tensorflow-GPU、下载并安装CUDA 9.0、添加CUDNN文件到CUDA安装目录，以及解决protobuf版本冲突问题。最后通过GPU-Z验证GPU正常运行。

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

舍友买了几台新笔记本，我们装tensorflow玩玩，实测1060MQ，1060，甚至960显卡都ok
第一步：下载安装anaconda3
第二步：安装tensorflow-gpu
在这里插入图片描述
打开anaconda prompt，输入命令

第三步：安装cuda9.0
在这里插入图片描述
下载cuda9.0，版本如上图所示，双击安装即可
第四步：安装cudnn
在这里插入图片描述
版本如上图所示
同时打开cudnn和cuda9.0的文件夹，如下图：右边是cudnn，左边是cuda
在这里插入图片描述
将右侧bin里的文件复制到左侧bin里，将右侧inc

最低0.47元/天 解锁文章
最新版tensorflow1.12-gpu安装详细避坑（windows10 64位+anaconda+cuda+cudnn+pycharm环境配置）
weixin_44374595的博客
01-30 9929
放假回家，在老笔记本（老爷显卡）上捣腾上了最新的1.12版TensorFlow-gpu。具体配置如下： windows10 64位，nvidia GT 745M； anaconda3-5.2.0（内置python3.6）； cuda9.0.176，cudnn v7.1； pycharm社区版。 也参考...
win10 + tensorflow_gpu 1.12.0 + CUDA 10.0 + Anaconda + RTX 2080 +pyCharm 环境搭建过程
mayunhe_cs的博客
02-13 3523
前言 配置环境花了一天，也踩了一些坑，有幸有很多前人资料以供参考，自己也写一篇安装过程以帮助后来者。在此之前，做些简要的说明： 本文仅记录本人环境搭建过程，不保证具有可复制性 由于环境更新换代比较快，网上很多旧的博客参考性不大，最好找官方教程或较新博客 切勿轻信一家之言，综合多个信息源往往可以事半功倍 Anaconda安装 下载网址：https://www.anaconda.com/distr...
Linux非root用户安装tensorflow1.12.0-gpu + cuda9.0 + cudnn7.5.0
m0_37584687的博客
03-26 2451
Linux非root用户安装tensorflow1.12.0-gpu + cuda9.0 + cudnn7.5.0简介安装Anaconda安装tensorflow-gpu 1.12.0安装cuda9.0和cudnn7.5.0验证安装是否成功 简介   最近做的一个项目需要使用GPU来做深度学习训练任务，在查询了一些资料后，自己成功安装配置了好了tensorflow-gpu，下面是我安装过程的一些经...
win10+tensorflow1.12.0+CUDA9.0+cudnn7.1
DwyanePeng的博客
07-30 259
注意： 上面版本成功安装，tensorflow1.7.0也可以安装，环境变量只需配置path路径就可以。
Win10+tensorflow-gpu-1.12.0+CUDA9.0+GTX 960M+python3.6.5+cuDNN v7.4.1
weixin_44633882的博客
02-07 6123
Tensorflow-gpu和cuda安装配置 所使用的环境: Window 10 GeForce GTX 960M Anaconda3-5.2.0-Windows python3.6.5 Tensorflow-gpu-1.12.0 CUDA 9.0 cuDNN v7.4.1 (Nov 8, 2018), for CUDA 9.0 1. python 安装Anacoda3-5.2.0 2. T...
Win10 安装tensorflow1.12.0 GPU版本
wxtcstt的专栏
06-02 4891
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...
TensorFlow的环境配置与安装教程详解（win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5）
09-16
在本教程中，我们将详细讲解如何在Windows 10操作系统上配置和安装TensorFlow的GPU版本，具体配置包括GeForce GTX 1060显卡、CUDA 9.0、cuDNN 7.3以及TensorFlow-gpu 1.12.0，同时使用Python 3.5.5。 首先，确保你...
tensorflow-gpu1.12.0离线安装所需库的安装包
02-18
这里我们聚焦于"tensorflow-gpu1.12.0离线安装所需库的安装包"，这是一个针对特定版本的TensorFlow GPU的离线安装流程。 首先，离线安装通常是在没有网络连接或者网络环境不稳定的情况下进行的，这对于在服务器集群...
win10安装Anaconda、cuda9.0、cudnn、tensorflow-gpu=1.12.0详细步骤
qq_37464479的博客
06-16 2068
win10安装Anaconda、cuda9.0、cudnn、tensorflow-gpu=1.12.0详细步骤win10安装Anaconda、cuda9.0、cudnn、tensorflow-gpu==1.12.0详细步骤准备工作 win10安装Anaconda、cuda9.0、cudnn、tensorflow-gpu==1.12.0详细步骤 最近刚想起写自己的博客，每天遇到了问题都会阅览博客，也...
【TensorFlow-gpu安装】Win10+tensorflow-gpu1.12.0+Cuda9.0+cudnn7.0+python3.6
Zz_shange的博客
03-15 398
总结安装TensorFlow-gpu的心酸过程 1.安装前一定要查看一下各版本对应关系 https://tensorflow.google.cn/install/source_windows#gpu 2.在经过第一次因为版本不匹配的失败安装后，我选择安装1.12.0版本 3.卸载干净上一次的东西，这里可以自己去找各种卸载的教程，不多说了 4.安装python3.6，记得add to ...
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
tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64
11-29
tensorflow-gpu-1.12,cuda100cudnn73,需要的朋友可以下载
CUDA9.1的tensorflow-gpu的.whl文件
11-08
解决官网下载的CUDA9.1版本的tensorflow在运行import tensorflow as tf时报OSError: [WinError XXX] 找不到指定的模块/Could not find 'cudart64_90.dll'的错误，适用于CUDA9.1的windows版本
（2018年11月发布）tensorflow 1.12 whl文件下载（GPU版本）
11-13
2018年11月发布，最新版。可以离线安装的windows版本的tensorflow1.12版本的whl文件。（GPU版本）
tensorflow_gpu-1.12.0-cp37
11-29
tensorflow_gpu-1.12.0-py37,cuda100cudnn73,需要的朋友可以下载
Ubuntu16.04配置深度学习环境-CUDA9.0+cuDNN7+驱动+anaconda3+tensorflow1.12.0
weixin_51524504的博客
03-09 1546
Ubuntu16.04配置深度学习环境 文章目录Ubuntu16.04配置深度学习环境1. 确定tensorflow-gpu版本与CUDA和cuDNN版本对应关系[^1]2. 安装CUDA9.0[^2]3. cudnn的安装[^2]4. 安装显卡驱动[^4]5. 安装anaconda36. 使用anaconda安装tensorflow7. 安装必要的软件和库 所有引用博客均已在文章尾部标出 1. 确定tensorflow-gpu版本与CUDA和cuDNN版本对应关系1 根据以下文档中确认需要安装的版
win10+1050ti+python3.6+cuda9.0+cudnn7.2.1+tensorflow-gpu1.12.0安装
wang_xiaowang的博客
07-26 460
文章目录前言安装安装python3.6的虚拟环境安装tensorflow-gpu和其他必要包安装cuda9.0和cudnn9.2.1cuda9.0cudnn9.2.1测试tensorflow_gpu 测试 前言 实现的论文为《On the Automatic Generation of Medical Imaging Reports》 本机配置：win10+i7-8750H+GTX1050Ti 默认Anconda已安装：Anaconda3-2020.07-Windows-x86_64.exe 安装 安装p
tensorflow-gpu 安装 tensorflow1.12 + CUDA 9.0 + cudnn 7.5 同时安装gpu版本与cpu版本
Unyielding will
04-28 3465
现在 windows10 支持 pip install tensorflow-gpu 直接安装 一、安装tensorflow-gpu 但是需要注意： 1、电脑要支持 CUDA（检查自己的GPU看支持到哪个版本，GTX960M支持9.0） 2、需要下载cudnn,这个深度学习加速库，并把cudnn下面每一项放到CUDA对应目录 可能出现的问题： 1、找不到DLL的情况 这个问题可...
win10 TensorFlow-gpu 1.12.0环境部署（99%成功，附全套下载链接，Anaconda不成功的来）
weixin_44725500的博客
02-28 610
win10 TensorFlow-gpu 1.12.0配置安装 CUDA9.0安装 CUDA9.0精简安装 CUDA安装验证 CUDNN7.3配置 检索到CUDA安装路径（默认），把CUDNN配置文件放在此目标文件下。 把上述CUDNN配置下面的‘bin’目录，把路径加入系统环境变量 可以看出，如下图片顶上两个系统环境变量是CUDA的。 把CUDNN下面的‘bin’目录加入系统环境之后通过上移置顶 Python3.6安装 安装过程教程： https://zhuanlan.zhihu.c
评论
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