tensorflow=1.12 cuda=9.0 linux配置过程记录

最新推荐文章于 2022-11-26 14:29:18 发布
最新推荐文章于 2022-11-26 14:29:18 发布
阅读量712 收藏 3
点赞数
文章标签： tensorflow anaconda 深度学习
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/qq_33488877/article/details/111869194
版权
在CUDA 11.0的环境中，使用Anaconda创建Python 3.6的虚拟环境，安装TensorFlow 1.12和CUDA 9.0。因conda安装的TensorFlow 1.12报错，选择用pip安装。CUDA 9.0的某些问题导致数据预处理出现bug，需下载补丁包。尝试创建新环境，将TensorFlow升级到1.15和CUDA升级到10.0，问题得以解决。

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

写本文的目的是记录自己配置环境过程，留存备用

已知复现程序所需环境tf=1.12 cuda=9.0，而实验室服务器cuda 11.0，故使用anaconda创建虚拟环境，创建虚拟环境过程省略。

虚拟环境使用python3.6

配置代码如下：

pip install tensorflow-gpu==1.12
conda install cudatoolkit=9.0 # 这里本来想下9.2，奈何试了一下，不兼容
conda install cudnn # 自动下载对应的7.6.5版本

此处使用pip下载tensorflow1.12实属无奈，conda下载的同一个版本tensorflow会报错，无法运行所用程序的demo。

cuda下载cuda和cudnn的方法引用自虚拟环境下下载cuda，这是我能找到最方便快速的下载方法了。

补充说明

由于cuda9.0存在一些问题，我在进行数据预处理的时候弹了奇怪的bug，故通过cuda官方网站下载

最低0.47元/天 解锁文章
python3.7 eric6安装教程
weixin_41983807的博客
04-06 965
01 安装指定版本pyqt5，否则spyder打不开 ​# 安装pyqt5 pip install pyqt5==5.10.1 # 安装pyqt5-tools pip install PyQt5-tools==5.10.1.1.3 ​ 02 参考 博客 https://blog.csdn.net/weixin_43609059/article/details/83747787 ...
Windows下安装Tensorflow1.12.0+CUDA+CUDNN
luminghao98的博客
04-20 1677
博主由于毕设原因，要做机器学习相关的东西，导致需要安装tensorflow和keras，这里推荐大家安装GPU版本的。 一，安装anaconda 首先是需要配置环境，环境上安装anaconda3，各位下载的时候，请注意不要安装最新的，因为最新的anconda里面python是3.7的，而python3.7支持的tensorflow版本比较高。我个人选择安装python3.6的。够用...
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
在cuda11.2的条件下下载tensorflow1.12
qq_49874815的博客
05-09 820
用cudatoolkit下载： conda install tensorflow=1.12 cudatoolkit=9.0 -c tensorflow
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
CUDA9.0+CUDNN7.6+Tensorflow-GPU=1.12+Pytorch1.1+Ubuntu18.04.3LTS深度学习与计算机视觉环境配置
故事里的小可爱的博客
10-21 700
文章目录前言环境安装1.1 Nvidia Driver安装，CUDA9.0+CUDNN7.61.1.1 安装NVIDIA显卡驱动1.1.2 安装CUDA9.0+CUDNN7.61.2 Anaconda3安装和虚拟环境配置1.2.1 Anaconda3安装1.2.2 Tensorflow环境配置1.2.3 Pytorch环境搭建 前言 为方便开展基于Ubuntu18.04上的深度学习研究，在此记录一...
安装tensorflow-gpu 1.12.0
fx714848657的博客
11-26 7262
在NVIDIA RTX3090上安装tensorflow-gpu 1.12.0，期间涉及CUDA和cuDNN版本切换和安装tensorflow-gpu的过程中不断报错的问题。
CUDA9.0+CUDNN7.6+Anaconda3+TensorFlow-GPU=1.12+Pytorch1.1+Ubuntu18.04LTS环境配置
故事里的小可爱
10-21 558
TensorFlow-Object-Detection-Ubuntu18.04LTS前言1 环境安装1.1 Nvidia Driver安装，CUDA9.0+CUDNN7.61.1.1 安装NVIDIA显卡驱动1.1.2 安装CUDA9.0+CUDNN7.6功能快捷键合理的创建标题，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、...
Ubuntu16.04 + CUDA9.0 + cuDNN7.3 + Tensorflow-gpu-1.12 + Jupyter Notebook 深度学习环境配置
YoungPing的专栏
11-19 2637
文章目录一、Ubuntu16.04 LTS系统的安装二、设置软件源的国内镜像1. 设置方法2.关于ubuntu镜像的小知识三、Nvidia显卡驱动的安装1. 首先查看显卡型号和推荐的显卡驱动2. 安装nvidia-384版本驱动3. 重启系统，可以查看安装是否成功四、CUDA9.0的安装1. CUDA版本选择2. 安装CUDA9.03. 设置环境变量五、cuDNN7.3的安装六、Tensorfl...
TensorFlow 1.12.0 cuda 10.0 cudnn 7.3编译安装成功
未语愁眸
10-26 1万+
Anaconda环境下tensorflow1.12.0保姆式安装及相关奶妈级配置
Erick2020的博客
08-14 9999
1.安装Anaconda 并更改默认镜像环境 1.1 下载最新的Anaconda安装文件 Anaconda下载网址：https://www.anaconda.com/products/individual#Downloads 按照操作系统选择对应的Anaconda版本（我自己选择的版本如上图红色方框所示） 注意对应的Python版本（该Anaconda对应的Python版本是Python 3.8） 1.2 安装Anaconda 右键Anaconda程序， 到此Anaconda
tensorflow 1.12 安装
yanlizhong62的博客
03-28 7916
0，conda create -n tf12 python=3.6 安装python=3.6版本低版本较好 1，安装cuda9.0，cudnn7.1.4.18 可以兼容许多版本 2，pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple pip install tensorf...
安装tensorflow-gpu的悲催之路 win10+anconda+cuda9.0+cudnn7.4.1+tf1.12.0（踩坑无数的孩子
qq_43771959的博客
06-13 552
看了很多教程之后，决定采用anconda来安装tensorflow，因为都说gpu的版本速度更快，所以选择gpu版本。 下面详细介绍在win10的配置情况 Nvidia ----- Geforce MX150 怎么看电脑是否有GPU 在开始中找到并打开NVIDIA控制面板（或桌面右键）有NVIDIA控制面板则有GPU 点开，找到帮助菜单，在下拉的菜单里选择系统信息选项， 在弹出的系统信息窗口里有两个菜单页面：显示和组件，选择组件，可以看到很多文件名，在文件名中找到NVCUDA，在产品名称一列可以看到该NVC
3090显卡安装tensorflow/pytorch
LIWEI940638093的博客
02-09 3873
3090显卡安装tensorflow/pytorch一 3090显卡驱动二 安装CUDA11.0三 安装cuDNN四 安装anaconda五 安装tensorflow/pytorch六 安装gdal 我的系统是Ubuntu18.04，这个教程对所有Ubuntu系统都适用，只是要安装正确的显卡驱动和cuda/cudnn 一 3090显卡驱动 去官网下载正确的显卡驱动即可。具体操作见：https://blog.csdn.net/LIWEI940638093/article/details/109304789 二
tensorflow-gpu版本相对应的CUDA版本
ACTerminate的博客
07-31 6797
Linux **tensorflow 版本 ** Python 版本 编译器 编译工具 cuDNN CUDA tensorflow_gpu-1.13.1 2.7、3.3-3.6 GCC 4.8 Bazel 0.19.2 7.4 10.0 tensorflow_gpu-1.12.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9 tensorflow...
干货：TensorFlow1.2~2.1各个GPU版本CUDA和cuDNN对应版本整理
fengdu78的博客
03-04 3万+
最近发现很多QQ群和微信群里经常会有人问这么一个问题——“我安装TensorFlow GPU版本怎么总是提示CUDA版本不对或者cuDNN版本不对呢？”为了解决大家这个问题，我特意把Te...
tensorflow1.12+cuda9.0+cudnn7.3
小沙粒看未来
03-04 869
export PATH="/usr/bin/python3:$PATH" export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64 export PATH=$PATH:/usr/local/cuda/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda 安装了一遍cuda9.0...
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 9917
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...
CUDA、tensorflow与cuDNN的版本匹配问题
热门推荐
MahoneSun的博客
06-25 4万+
一、问题现象CUDA、tensorflow 与 cuDNN有版本匹配的问题，经常出现安装了某一版本的 CUDA 后，tensorflow 不支持相应版本的CUDA，或者tensorflow 支持 CUDA，但与 cuDNN版本不匹配，找不到这个那个文件，网上甚至有 CUDA装错等于重装的说法，很是麻烦。这里列举了一些我遇到过的错误（有的没有装cuDNN） CUDA9.2 + 1.8版本tensor...
配置TensorFlow=1.12GPU
最新发布
09-09
对于TensorFlow 1.12 GPU配置，您需要确保您的系统满足以下要求： 1. 安装适配您的GPU型号的NVIDIA驱动程序。可以在NVIDIA官方网站上找到适合您GPU型号的最新驱动程序。 2. 下载并安装CUDA Toolkit。TensorFlow 1.12需要CUDA Toolkit 9.0或更高版本。您可以从NVIDIA官方网站下载适合您操作系统的CUDA Toolkit。 3. 安装cuDNN。cuDNN是一个针对深度神经网络加速的GPU加速库，TensorFlow需要与之兼容的版本。您可以从NVIDIA开发者网站下载适合您操作系统和CUDA Toolkit版本的cuDNN。 4. 创建一个新的虚拟环境（可选但建议）。您可以使用Anaconda或virtualenv等工具创建一个新的Python虚拟环境，以隔离TensorFlow的安装。 5. 在虚拟环境中安装TensorFlow 1.12。在虚拟环境激活状态下，使用以下命令安装TensorFlow 1.12： ```shell pip install tensorflow-gpu==1.12 ``` 请注意，这些是一般步骤，具体操作可能会因您的操作系统和硬件配置而有所不同。建议查阅TensorFlow官方文档以获取更详细的指南和教程。
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