记录Tensorflow gpu2.0版本安装，CUDA10.2+cuDNN7.6.5

最新推荐文章于 2022-11-26 23:33:48 发布
最新推荐文章于 2022-11-26 23:33:48 发布
阅读量4.8k 收藏 2
点赞数 1
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_33500389/article/details/104066120
版权

Windows10+Pychram+CUDA10.2+cuDNN7.6.5，实测没有问题

win10+cuda10.2+cudnn7.6.5+MX350安装tensorflow-gpu及可能遇到的问题
weixin_44424340的博客
07-17 2983
断断续续装了好久，每次遇到问题解决不了就拖一拖，过段时间再下定决心继续装，心里想着等我装成功了一定要写篇文章记录一下回报社会，今天终于装好啦哈哈哈哈哈哈。其实装好再看确实不难，就是装的时候一遇到问题会觉得麻烦，尤其是百度的方法都试了还解决不了的时候。以后要再耐心一点，慢慢改掉拖延症！我的电脑是联想小新15 2020，显卡MX350。 一、安装步骤 1、安装Anaconda Anaconda下载地址：https://www.anaconda.com/products/individual 根据自己的电脑选择对
Ubuntu18.04安装CUDA10.0+cuDNN7.6.5+Tensorflow1.15教程
hlld__的博客
06-07 2410
这里写自定义目录标题欢迎使用Markdown编辑器新的改变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、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流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
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
CUDA10.2下安装tensorflow-gpu2.0.0版本注意事项
yuanzhen_0128的博客
05-31 1万+
CUDA10.2下安装tensorflow-gpu2.0.0版本注意事项 最近新入手了一台i5-10200U的CPU，有一个极为鸡肋的MX250显卡（2G），且经得起造的ThinkPad T490笔记本电脑，为将来的移动办公做准备。今天突然心血来潮想试试它能不能用cuda的加速，去了NVIDIA的官网查询后，发现这块鸡肋N卡还真的支持cuda加速，就这样花了大半天的时间将cuda安装好后，并进行了一个CNN的网络训练。 一、安装准备 需要在你的NVIDIA控制面板→右下角系统信息→组件，去查看你的NVCUD
Jetson Nano （Cuda10.2）安装tensorflow2.1.0运行python程序及几个版本tensorflow aarch64下载分享
m0_66749393的博客
11-26 2517
Jetson Nano， tensorflow安装的一些问题和aarch64.whl下载分享
win10安装cuda10.2+tensorflow 1.14.0
耶律大石的博客
08-27 5307
背景 最近为了跑yolov5，我要安装pytorch，然后将cuda 10.0升级到了cuda10.2.pytorch是没问题了，但是我再运行我的yolo v4（tensorflow框架）代码时发现运行不了了，提示：cudart64_100.dll找不到，但是我现在是cuda 10.2了，他还在找cuda10.0。 然后网上各种说cuda 10.2没有对应的tensorflow版本，我就觉得再装回去太麻烦了。下面是我的解决办法。 重新安装tensorflow-GPU步骤 创建环境 conda create
ubuntu安装cuda-10.2以及对应版本的cudnn
wxy2020915的博客
08-29 7440
ubuntu安装cuda-10.2以及对应版本的cudnn
win10+cuda10.2+cudnn7.6.5.txt
01-24
### Win10 + CUDA 10.2 + cuDNN 7.6.5 安装与配置详解 #### 一、概述 在深度学习领域，CUDA（Compute Unified Device Architecture）是NVIDIA推出的用于实现GPU计算的应用程序编程接口（API）。而cuDNN（CUDA Deep...
windows版本的cuda10.2+cudnn7.6.5，yolo需要下载
最新发布
09-19
综上所述，对于使用YOLO或其他依赖CUDA和cuDNN的深度学习应用的Windows用户，下载并安装“CUDA10.2+CUDNN7.6.5+windows10”组合包是必要的。这将确保你有一个稳定且兼容的环境来运行这些高性能的计算任务。同时，...
paddle_inference_CUDA10.2_cudnn7.6.5.zip
08-29
PaddleDetection的模型GPU推理库---paddle_inference_CUDA10.2_cudnn7.6.5.zip
cudnn-10.2-windows10-x64-v7.6.5.32.zip
12-23
64位windows10下的支持cuda10.2版本的cudnn工具包。2019年12月下载时的官网最新。 之前英伟达的人机验证老是刷不出来，这次终于出来了，发上来造福群众。 由于原始的zip超过上传大小限制，我把文件重新压缩为了7z格式，内容没有变化。
cudnn-10.2-windows10-x64-v7.6.5.32.7z
04-11
深度学习加速库，NVIDIA cudnn7.6.5.32 适用于64位windows10，与CUDA10.2版本配套使用
Linux下anaconda3、tensorflow-cpu、tensorflow-gpu安装配置
wo的博客
09-08 1526
Linux下anaconda3配置安装 软件包下载：Anaconda3-5.0.1-Linux-x86_64.sh 通过xftp 把安装包上传到服务器文件夹下 在安装包所在路径下，输入命令： bash Anaconda3-5.0.1-Linux-x86_64.sh 安装过程中，不断按回车或者yes默认，然后出现下面界面： 默认安装到XXX目录下，安装好后你可以在该文件夹下看到安装文件，用默认的路径直接点击Enter，如果安装到其他的位置，在此输入路径，我换了新路径（/home/XXX/XXX/anaco
CUDA 10.2及CUDNN下载
热门推荐
tangxianyu的博客
05-30 1万+
CUDA 10.2 WINDOWS 10 X84_64版本下载地址： 链接：https://pan.baidu.com/s/1ZY3CkI-06yBhSTAXXvSL9A 提取码：0zjh CUDNN_10.2版本下载地址： 链接：https://pan.baidu.com/s/1iGMJotQmcqMEAQM2LZxlcg 提取码：25ej
win10下安装tensorflow虚拟环境【CUDA10.2+Aanconda】
ZYT152的博客
07-27 413
注意：本次安装是建立在cuda10.2已经安装好 ，anaconda已经安装好的基础上进行的 cuda10.2和anaconda可以参考此博客cuda10.2和anaconda和cudnn安装教程 1. 创建虚拟环境 conda create -n tf230_gpu python=3.8 2. 激活虚拟环境 conda activate tf230_gpu 3. 安装tensorflow2.3 pip install tensorflow==2.3.0 4. 进入python环境进行测试 复制以下
基于win10+CUDA10.2+cuDNN+Anaconda的Tensorflow(GPU) & PyTroch安装
u011473714的专栏
11-22 385
一. 电脑配置如下： 写在前面，本机的电脑配置如下： System：windows 10 专业版 （64位） CPU：i5-9400F RAM：16G（2666MHz） 显卡：GEFORCE GTX 1660 Ti （万图师 Ti OC） 首先，在安装之前需要查看显卡所能支持的最高CUDA版本，打开【NVIDIA控制面板】，选择左下角的【系统信息】选项，并点击【组件】按钮进入到如下界面： 从图中我们可看出，GTX 1660 Ti 的显卡支持CUDA 10.2版本的。因此，我们基于10.2版本
win10及win11安装cuda10.2+cudnn+pytorch超详细过程
weixin_43557093的博客
10-10 1万+
win10（python3.9）安装cuda10.2+cudnn+pytorch超详细过程安装CUDA下载cudnn下载并安装pytorch思考 以下记录本人坎坷的安装过程，以及一些解决方法。希望大家都有美好心情呀！ 安装CUDA 检查自己电脑的NVIDIA ，桌面右键->NVIDIA控制面板->帮助->系统信息->组件 2.在官网（https://developer.nvidia.com/cuda-downloads）选择适合自己电脑的cuda版本，比自己的cuda驱动适配版
Win10+CUDA10.2+cuDNN+Anaconda的Tensorflow(GPU) & PyTroch安装
Circle-C的博客
04-28 8313
一. 电脑配置如下： 写在前面，本机的电脑配置如下： 操作系统：windows 10 专业版 （64位） CPU：i5 RAM：16G 显卡：GEFORCE GTX 960M 首先，在安装之前需要查看显卡所能支持的最高CUDA版本，打开【NVIDIA控制面板】，选择左下角的【系统信息】选项，并点击【组件】按钮进入到如下界面： 从图中我们可看出，GTX 960M的显卡支持CUDA 1...
tensorflow2.0-GPU安装-小白超详细版（都是我安装的经验，可以避免踩坑）
in546的博客
05-30 2840
文章目录一、anaconda安装1.1 anaconda安装地址1.2 安装详细步骤1.3 检验安装是否成功1.4 更改conda源（后续安装第三方库可以加快速度）二、CUDA安装2.1 查看显卡支持的CUDA版本 一、anaconda安装 Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。装anaconda，就不需要单独装python了。 anaconda优点： 1、anaconda里面
Windows下YOLO必需的CUDA10.2+CUDNN7.6.5文件指南
最后，文件中的“压缩包子文件的文件名称列表”说明了这个压缩文件包含了“CUDA10.2+CUDNN7.6.5+windows10”的组件。这意味着，任何希望在Windows 10平台上使用YOLO，并且需要CUDA和cuDNN支持的开发者或研究人员，都...
评论 5
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