Win10下Tensorflow1.11.0安装

在这里插入图片描述

  1. 先安装CUDA 9.0
    下载地址:https://developer.nvidia.com/cuda-toolkit-archive
  2. 再下载对应CUDA的cuDNN7.3导入至/CUDA/版本/的目录下
    下载地址:https://developer.nvidia.com/rdp/cudnn-archive
  3. 安装tensorflow-gpu。
  4. 最后一步!!很重要!
    在这里插入图片描述
    添加到“Path”而不是”CUDA_PATH”

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin;
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64;
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\CUPTI\libx64;

官网教程(可能需要翻墙)

### 安装 TensorFlow 1.11.0 的方法 #### 环境准备 为了成功安装 TensorFlow 1.11.0,需确保环境满足其依赖条件。以下是具体的操作指南: 对于 Windows 10 用户,在安装 TensorFlow GPU 版本时,推荐使用 Anaconda 创建虚拟环境并管理依赖项。通过以下命令创建 Python 虚拟环境,并指定所需的 CUDA 和 cuDNN 版本[^1]。 ```bash conda create -n tf_env python=3.6 conda activate tf_env ``` 接着,按照官方文档中的说明配置 NVIDIA 驱动程序以及对应的 CUDA 工具包和 cuDNN 库版本。这里需要特别注意的是,TensorFlow 1.11.0 支持的 CUDA 版本为 9.0,cuDNN 则应选择 7.x 版本[^2]。 执行下列指令完成必要的库文件安装过程: ```bash conda install cudatoolkit=9.0 conda install cudnn=7 ``` 最后一步便是实际安装 TensorFlow-GPU 自身组件部分。利用 `pip` 命令来实现这一目标,输入下面这串语句即可顺利完成整个流程操作: ```bash pip install tensorflow-gpu==1.11.0 ``` 如果是在其他平台比如树莓派上部署,则可能面临网络连接不稳定的情况,此时可以通过调整 pip 默认等待超时参数延长下载时限设置以提高成功率[^3]: ```bash pip3 --default-timeout=1000 install tensorflow==1.11.0 ``` 另外值得注意的一点在于某些高级功能模块如 TensorLayer 还额外要求特定匹配好的子集插件支持才能正常使用全部特性集合[^4]。因此当计划集成此类附加工具到项目当中去的时候记得同步核查确认好双方兼容性情况再行动作决定哦! #### 测试安装是否成功 验证安装完成后可运行简单的测试脚本来检查一切工作正常与否。打开 Python 解释器或者新建 .py 文件写入如下代码片段尝试调用框架核心函数看看会不会报错就知道啦! ```python import tensorflow as tf print(tf.__version__) hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello)) ``` 以上就是关于如何在不同操作系统下正确无误地完成 TensorFlow v1.11.0 安装工作的详细介绍内容啦~希望对你有所帮助😊
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
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