Win10 & Tensorflow-GPU1.13.1 & CUDA10.0 & cuDNN v7.6 安装

最新推荐文章于 2022-11-21 16:54:54 发布
最新推荐文章于 2022-11-21 16:54:54 发布
阅读量580 收藏 2
点赞数
CC 4.0 BY-SA版权
文章标签： tensorflow 深度学习 人工智能
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/sun_tao1/article/details/93160924
该博客介绍了如何在Windows 10环境下配置Tensorflow-GPU 1.13.1，包括安装CUDA 10.0和cuDNN v7.6的详细步骤，以及针对Tensorflow-gpu不支持CUDA 10.1的情况。

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

  1.  环境说明

    硬件： GTX 1070

    系统：Windows 10 Enterprise Version 1809 Update March 2019

    软件： Python 3.7

    说明：目前最新的CUDA版本是10.1 亲测不支持TensorFlow-gpu 所以安装CUDA10.0

  2. 安装CUDA和cuDNN

    2.1. CUDA 10.0

    下载地址：https://developer.nvidia.com/cuda-10.0-download-archive

    2.2. cuDNN v7.6 for CUDA 10.0

    下载地址：https://developer.nvidia.com/rdp/cudnn-download

    解压后将目录中文件分别添加到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0相应目录即可。

  3. 安装Tensorflow GPU 1.13.1


                

        

    

    
  


        

            

                      
                        最低0.47元/天 解锁文章
                        

                          
200万优质内容无限畅学

                          
                        

                      
            

        


    

      

        

            

              
                
                  sun_tao1
                
              
            

            

                关注
              
            

        

        

          
      

      










                



	

		

			

				
					
ubuntu 18.04 安装tensorflow-gpu-1.13.1

				
			

			

				

					Kalenn212的博客
				

				

					05-22
					
					1655
					
				

			

		

		

			
				
本机环境
显卡:GeForce GT 730M
Compute Capability: 3.0
CUDA核心:384
NVCUDA.DLL:NVIDIA CUDA 9.2.156 driver


下载安装包
CUDA版本:CUDA 9.0
下载地址:https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target..

			
		

	



                

            
              



	

		

			

				
					
计算机视觉——【环境配置】win10下tensorflow-GPU版本升级至tensorflow-GPU 1.14.0

				
			

			

				

					技术更新每天
				

				

					07-07
					
					1万+
					
				

			

		

		

			
				
win10下tensorflow-gpu版本升级系统环境问题驱动
系统环境
win10 x64
现有深度学习环境：
anaconda3
python3.5
tensorflow-gpu1.8.0
cuda9.0+cudnn7.1
问题驱动
tensoflow中导入MNIST数据手写集最常用的两句语句
from tensorflow.examples.tutorial.mnist import in...

			
		

	



              


  
              

                


	

		

			

				
					
tensorflow_gpu-1.13.1-cp37

				
			

			

				

					03-07
				

			

		

		

			
				
tensorflow_gpu-1.13.1-cp37-cp37m-win_amd64.whl，适合python3.7的tensorflow-gpu，配合cuda cudnn使用。

			
		

	





	

		

			

				
					
Win10+Tensorflow-gpu1.13.1+cuda10.1+cudnn7.5疯狂踩坑记

				
			

			

				

					weixin_33767813的博客
				

				

					05-12
					
					2674
					
				

			

		

		

			
				
写在前面？
ATP曾经，曾经，曾经，拥有过一台装好了tensorflow-gpu的电脑。当初的ATP使用的还是tensorflow1.7.1，还在煞笔兮兮地用tf.matmul手写卷积神经网络。
后来，ATP运行某代码时出了问题，告诉ATP它用的tensorflow版本太低了。那么ATP显然需要升级一下。
据说升级tensorflow需要同时升级cuda和cudnn，那么ATP就把旧的卸了。
然后...

			
		

	



		

			
		



	

		

			

				
					
win10安装tensorflow-gpu1.13.1+cuda10.0+cudnn7.3.1

				
			

			

				

					weixin_34310127的博客
				

				

					04-05
					
					655
					
				

			

		

		

			
				
一，本机配置
Win10 64bit
NVIDIA GeForce GTX 960M
Python3.7（Anaconda）
二，安装CUDA
亲测，TensorFlow-gpu1.13.1支持cuda10.0的版本，所以我们可直接选择cuda10.0的版本
Window10下载CUDA10
安装步骤为：
1）运行.exe可执行和层序。安装软件会先运行一个系统检查，如果没有软硬件不...

			
		

	





	

		

			

				
					
windows10-tensorflow-gpu1.13.1-cuda10.0-cudn7.3.1安装

				
			

			

				

					shiyuexia的博客
				

				

					03-30
					
					686
					
				

			

		

		

			
				
1.安装cuda之前首先安装vs2015，
安装vs2015教程

要保证有以下vs2015两个组件，如果安装vs2017， Microsoft Visual C++ 2015 Redistributable Update 3 x64组件会被系统删掉，它和Microsoft Visual C++ 2017 Redistributable Update 3 x64不兼容。所以建议安装vs2015，如...

			
		

	





	

		

			

				
					
tensorflow使用gpu_Tensorflow1.13.1+CUDA10.0+CuDNN7.4在GPU上训练模型

				
			

			

				

					weixin_39543647的博客
				

				

					11-25
					
					479
					
				

			

		

		

			
				
在参加十五届全国大学生智能车竞赛时，电磁AI组别需要用到Tensorflow训练模型，CPU训练的速度实在太慢，于是打算用GPU训练，在此记录下配置环境的过程安装Tensorflow关于Python的安装过程在此不做赘述，google上有很多，默认阅读文章的朋友电脑上都有pip。由于最终训练好的模型需要部署到单片机上，需要利用到NXP提供的NNCU工具，而nncu工具与Tensorflow各个版本...

			
		

	





	

		

			

				
					
linux安装TensorFlow-GPU版本 非常详细安装必看

				
			

			

				

					fhj_fhj的博客
				

				

					04-20
					
					1万+
					
				

			

		

		

			
				
Linux安装TensorFlow-GPU==1.14.0版本
1.首先确保linux环境干净以及没有tensorflow
2.常规安装TensorFlow方法 直接使用pip3 install tensorflow -i https://pypi.douban.com/simple安装即可
一:
首先 登入NVIDIA查找相应的GPU驱动
查找相应gpu驱动

然后点击search



接下来...

			
		

	





	

		

			

				
					
TensorflowGPU安装（python3.7.7+CUDA10.0+cuDNN7.6.5+tensorflowgpu1.14.0）

				
			

			

				

					m0_45117053的博客
				

				

					05-21
					
					1798
					
				

			

		

		

			
				
WHATEVER

			
		

	





	

		

			

				
					
GTX1650 + tensorflow 配置方法 ------Python-3.7+cudatoolkit-10.0.130+cudnn-7.6.0+tensorflow-gpu==1.13.1

				
			

			

				

					taiyuezyh的博客
				

				

					10-15
					
					2046
					
				

			

		

		

			
				
最后，输入**print(tf.test.is_gpu_available())**查看GPU版本的tensorflow安装情况(True表示安装成功)。安装CUDNN.(7.6版本的CUDNN是和10.0版本的CUDA相匹配的)，结果如下。(1.13.1支持GTX1650)，结果如下。安装Python3.7的环境(遇到Y/N，全部选择Y)，得到如下的结果。全部安装完成后，我们重新启动Anaconda，输入。，获取可安装的cudnn版本号，得到结果如下图。首先，进入Anaconda，输入。

			
		

	





	

		

			

				
					
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

			
		

	





	

		

			

				
					
tensorflow_gpu-1.13.1-cp37-cp37m-win_amd64.whl

				
			

			

				

					03-23
				

			

		

		

			
				
tensorflow1.13.1, python3.7, cuda10.1, cudnn7.5, 需要的朋友可以试试

			
		

	





	

		

			

				
					
在Anaconda中创建新环境+下载tensorflow-gpu=1.13.1

				
			

			

				

					philip_pond的博客
				

				

					02-18
					
					2385
					
				

			

		

		

			
				
无

			
		

	





	

		

			

				
					
在anaconda新建的环境中下载tensorflow-gpu 1.13.1

				
			

			

				

					qq_43656833的博客
				

				

					04-13
					
					635
					
				

			

		

		

			
				
在anaconda新建的环境中下载tensorflow-gpu 1.13.1
一、打开新建环境
1、打开Anaconda Prompt
2、输入命令activate name（name为你需要激活的虚拟环境的名称）
3、回车执行以后，你会发现已经进入你所创建的虚拟环境

二、安装cudatoolkit  及cudnn
查看可供安装的版本：conda search cudatoolkit
这里就直接安装10.0.130
conda install cudatoolkit=10.0.130
同理，查看cudnn

			
		

	





	

		

			

				
					
WIN10环境下安装 cuda10.0+ cudnn7.4.1+ tensorflow-gpu=1.13.1 GPU训练模型

				
			

			

				

					Alice0920的博客
				

				

					06-29
					
					1765
					
				

			

		

		

			
				
WIN10环境下安装 cuda10.0+ cudnn7.4.1+ tensorflow-gpu=1.13.1 GPU训练模型
环境：win10+显卡：nvidia1660ti(1660s也可使用)
小白教程，相互学习。
一个被cuda+cudnn折磨了两天的小白，痛下心来，记录一下自己安装的心路历程，以及踩过的一万个坑：
小白填坑:
1、有些博主建议下某些版本的VS，其实没啥用，如果装不好或者版本不对应，反而容易导致cuda安装失败。因此无需安装VS的任何版本。
2、能否成功安装的关键：所有路径全部添加上，

			
		

	





	

		

			

				
					
ubuntu16.04+cuda10.0+cudnn7.6+tensorflow_gpu-1.11.0环境安装

				
			

			

				

					slender_1031的博客
				

				

					11-21
					
					940
					
				

			

		

		

			
				
为了搭深度学习环境,又装了一遍各种库,在此记录安装版本和流程.

			
		

	





	

		

			

				
					
安装tensorflow GPU版本--tensorflow-gpu版本与CUDA版本对应关系（持续更新，目前到TF2.10.1）

					
热门推荐

				
			

			

				

					sunmingyang1987的博客
				

				

					11-02
					
					11万+
					
				

			

		

		

			
				
一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错
（1）确定自己要安装哪个版本的tensorflow-gpu；
（1）根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本；
（2）根据要安装的CUDA版本确定要下载的Cudnn版本。
二、tensorflow-gpu版本与CUDA版本对应关系
不同版本的tensorflow-gpu与CUDA对应关...

			
		

	





	

		

			

				
					
Win10+Pycharm+CUDA10.0+cuDNN+tensorflow-gpu 1.14（深度学习电脑GPU配置，超级简单一次成功）

				
			

			

				

					qq_30093417的博客
				

				

					11-25
					
					1567
					
				

			

		

		

			
				
Win10+2080TI+VS2017+CUDA10.0+cuDNNPycharm下载和安装CUDA10.0 下载和安装cuDNN10.0 下载tensorflow-gpu 1.14 下载和安装
很久没有更了，最近开完题，又弄到一台矿机，所以把之后的学习一直在博客上更新…当然忙不是借口啦，我的锅，今天更新一个配置…老板挺好的哈哈
Pycharm下载和安装
Pycharm的下载安装。我简略的说明一下......

			
		

	





	

		

			

				
					
Win10-CUDA10.0-Tensorflow-GPU安装流程

				
			

			

				

					qq_42191186的博客
				

				

					12-20
					
					1736
					
				

			

		

		

			
				
Win10-CUDA10.0-Tensorflow-GPU安装流程
前言：目前处于研究生阶段，研究方向是计算机视觉。首先自我检讨，由于懒惰，一直没安装Linux系统，始终在用Win10，这在程序员中属于战五渣行为。2018年间曾给我的另一台win10系统的RTX2060设备安装过一次tensorflow-gpu，当时整个安装过程踩了不少坑，最后才成功安装运行。今年新购入一台计算机(噢耶，解放算力)...

			
		

	





	

		

			

				
					
tensorflow-gpu1.13.1安装

					
最新发布

				
			

			

				

					09-26
				

			

		

		

			
				
总之，安装TensorFlow-GPU 1.13.1需要先安装兼容的NVIDIA GPU驱动程序、CUDA Toolkit和cuDNN，然后通过pip安装TensorFlow-GPU。确保按照官方文档和安装说明进行操作，以确保安装过程顺利进行，并获得最佳性能和稳定...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		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