anaconda tensorflow-gpu环境配置 解决汇总

最新推荐文章于 2025-03-06 19:42:51 发布
最新推荐文章于 2025-03-06 19:42:51 发布
阅读量312 收藏 1
点赞数
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/weixin_37665577/article/details/80142395
版权

坑1. python3.5（太高版本不支持）

坑2.cuda8.0 （同样，出了9.0，但是不能用）

坑3.安装NVIDIA之前先安装VS2015以下的VS版本

     这个问题是从pycharm中出现的No module named '_pywrap_tensorflow_internal'还有模块未成功加载【生无可恋】

解决的顺序

1. j检查配置：

pytohn3.5 

tensorflow-gpu 

cuda 

cudnn

2.系统环境变量：

   CONDA_PATH

   path    中路径添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin及C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

具体可以看

https://blog.youkuaiyun.com/Yan_Joy/article/details/76094202

3.在anaconda 中先配置python3.5的环境，再安装tensorflow

无关顺序，有就行

4.安装NVIDIA CUDA 及cudnn

感谢博主elrpye的博文给予我极大帮助

https://www.cnblogs.com/elroye/p/7864988.html


FionaVivan
关注
Anaconda配置tensorflow环境
King5600的博客
11-17 3755
第一步，下载安装Anaconda 第二步，管理员模式打开CMD 第三步，输入conda --version，查看Anaconda安装情况 输入python --version，查看python版本号 第四步，输入conda create -n tensorflow python=3.8（对应Ancaonda配套的python版本号） 第五步，输入activate tensorflow 第六步，输入conda search --full tensorflow 第七步，
使用Anaconda配置Tensorflow/Pytorch环境
Mr_Sudo的博客
09-27 4085
本文介绍了如何使用Anaconda简易快速地配置Pytorch和Tensorflow开发环境，并于Jupyter Notebook进行绑定。
基于tensorflow框架使用Anaconda创建训练Mask R-CNN 所需的环境配置教程
cwahfma的博客
03-06 875
本篇教程是基于tensorflow框架使用Anaconda创建训练Mask R-CNN 所需的环境配置教程，这里使用的tensorflow是CPU版本的，IDE使用的是pycharm，此教程包含如何将创建好的虚拟环境添加到python解释器中。
Anaconda下配置TensorFlow环境(小白包会)
Elon15的博客
07-08 7320
Anaconda下配置TensorFlow环境(小白包会)
Win10中Anaconda中配置Tensorflow环境
热门推荐
Sophia_fez的博客
04-07 1万+
说明：此篇为配置tensorflow环境教程博客的分支，为了避免主博客太长，又为避免步骤不够详细而写，详情请见：Win10安装Anaconda3、TensorFlow、Keras 打开Anaconda Prompt，也就是命令行工具（默认进入的是root环境，我们要在此环境下创建一个新的tensorflow环境，之后的所有操作都是对tensorflow环境的更改） 核对信息，检查安装是否...
【问题汇总】tensorflow-gpu=1.13.2环境配置（anaconda、CUDA、Cudnn、tensorflow、kares安装）
qq_45628133的博客
11-25 2002
记录一下自己配置tensorflow所遇问题，包括anaconda、CUDA、Cudnn、tensorflow、kares在Windows10下的安装。 问题一：anaconda3安装时，记得勾选第一个勾 答：针对新手安装，可以直接配置好环境 问题二：anaconda安装时，记得选对路径 答：英文路径，可以不默认装在C盘 问题三：CUDA安装时路径 答：针对新手，最好使用默认C盘地址安装。如果C盘空间不够，再考虑换成其它盘，但是会有安装失败的风险。 问题四：由于版本是tensorflo..
tensorflow-gpu深度学习安装的一系列问题——＞解决方法汇总
AI_Clay的博客
08-17 947
废话不多说，各位深度学习的战友们，我没有矿所以把用了好几年的电脑来跑深度学习中的人工神经网络，于是遇到了TensorFlow使用GPU加速需要安装的一系列坑。真的只要有坑的地方我都踩过了，接下来汇总一套真实有效的方法。只要你的电脑有GPU，不算太垃圾，此方法绝对有用！！！（不要说，我的问题可能和你的不一样，此法为通法。）我最终是失败的，但你们是可以成功的，因为我电脑不行。 步骤如下： 一、先看看自己的电脑显卡能不能用。 二、显卡通过，配置需要的组件。 三、安装测试。 四、救救孩子。 开.
LINUX系统下：Cuda+Cudnn+Tensorflow-GPU环境配置学习总结
m0_57207732的博客
04-09 3844
1.cuda+cudnn安装 1.1下载cuda 1.1.1查看系统支持的cuda版本（可以安装低于该版本的，不能超过该版本） nvidia-smi 1.1.2下载cuda cuda历史版下载 1.2.3安装 找到下载的cuda文件所在的文件夹，运行下面命令安装文件 sudo sh cuda_版本号_linux.run 安装完成后配置环境变量 sudo vim ~/.bashrc #输入i，修改环境变量配置 #在末尾添加环境变量 export LD_LIBRARY_PATH=$L
Win10+TensorFlow-gpu1.10+CUDA9.0+Cudnn7.4.1 搭建深度学习gpu环境
巴拉拉小魔芋
06-06 1248
1.系统已安装环境 Anaconda3(python3.6.4) Visual Studio 2017 2.查看自己的NVIDIA版本 右键开始按钮-->设备管理器-->显示适配器 3. 安装tensorflow-gpu 1.10 打开Anaconda prompt 1）首先查看当前已有的虚拟环境conda env list 2）新建一个tensorf...
Anaconda3+tensorflow-gpu+CUDA+cuDNN+PyCharm深度学习环境通用配置
自在独行的博客
08-16 3686
笔记本配置信息： 操作系统：Win10_x64 GPU型号：GeForce 830M（或者其他型号GPU） 一、Anaconda3-5.2.0-Windows-x86_64 网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 最新版本在官网下载，历史版本可以在清华镜像下载，下载后安装即可。 ...
Windows Anaconda 搭建 Tensorflow环境
09-09
网上有很多但是还是会很难安装成功 此文档记录了最稳妥的环境部署方案 使用Anaconda 进行tensorflow的安装 主要解决了下载慢，和各种安装失败的问题
Anaconda+配置TensorFlow开发环境
新小白
07-30 1620
漫画讲解知识---希望大家一起学习哇！Anaconda的介绍及优点+更换国源（清华源/中科大源） 当然还有为什么 TensorFlow 很受欢迎？
【环境配置】Anaconda安装TensorFlow
心动冲鸭
06-07 3239
Anaconda安装tensorflow
Windows10系统安装Anaconda，配置TensorFlow环境，安装TensorFlow-GPU，安装Keras教程
HITWUCHEN的博客
07-12 440
1、Windows10系统信息、GPU信息、安装包信息 笔记本品牌：Thinpad T480 操作系统：Windows10 x64 GPU信息：NVIDIA GeForce MX150 安装包信息：python 3.7.3+TensorFlow 1.13.1+CUDA 10.0+cudnn 7.6 概述：我自己安装过程比较坎坷，先安装了Anaconda，创建了环境，安装了tensorfl...
Anaconda配置一套带有tensorflow新环境的顺序（CPU版本）
Alan的博客
03-08 380
Anaconda配置一套带有tensorflow新环境的顺序 新环境-按顺序 conda create --name Deeplearning_practice python=3.6 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ python -m pip install --upgrade pip -i https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ pip con
使用anaconda配置gpu版本的tensorflow（30系列以下显卡）
向往有那么一天梦幻的步态识别落地，开花❀！
07-25 2281
使用anaconda配置gpu版本的tensorflow（30系列以下显卡）完毕！ 如果大家觉得本文章对你有帮助，麻烦点赞+收藏一下，谢谢！
使用anaconda配置tensorflow1.13.2环境
Zeeland的博客
05-10 8006
前言 有相关需求，为了便于后期维护，所以总结了一下。 过程 1.去官网下载anaconda 安装网站：https://www.anaconda.com/products/individual#Downloads 相关安装教程：anaconda安装教程 下载什么版本的python无所谓，反正最后项目工程下的虚拟环境都要创建一个新的python环境。 2.CUDA选择 判断电脑配置来分析是否使用GPU跑tensorflow，如果打算用CPU的话则跳过这一步。 不同的CUDA驱动版本对不同的tensorflow版
基于 Anaconda 的 Tensorflow 环境配置
li_peng_yuan的博客
05-06 4679
一、什么是 Anaconda? Anaconda(官方网站) 是可以便携获取包且对包能够进行管理, 同时对环境可以统一进行管理的发行版本. Anaconda包含了 conda、Python 在内的超过 180 个科学包及其依赖项. Anaconda具有以下特点: 开源 安装过程简单 高性能使用 Python 和 R 语言 免费的社区支持 conda 包 环境管理器 1000+开源库 二、Anaconda 的安装 Anaconda 官网下载图形安装包 打开 Anaconda 官网：https://w
vscode配置anaconda的tensorflow-gpu环境
最新发布
03-15
### 配置 VSCode 使用 Anaconda 创建的 TensorFlow-GPU 环境 #### 1. 安装并配置 Anaconda 和 TensorFlow-GPU 确保已通过 Anaconda 成功创建了一个支持 GPU 的 TensorFlow 环境。以下是具体操作： - **创建虚拟环境** 使用 `conda` 命令创建一个新的 Python 虚拟环境，并指定所需的 Python 版本以及安装 TensorFlow-GPU[^3]： ```bash conda create -n tf-gpu python=3.6 conda activate tf-gpu conda install tensorflow-gpu==1.7 ``` - **验证安装成功** 运行以下代码片段来确认 TensorFlow 已正确安装并且能够检测到 GPU 设备[^2]: ```python import tensorflow as tf print(tf.__version__) sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) ``` #### 2. 在 VSCode 中设置 Python 解释器 为了使 VSCode 使用上述创建的 Conda 环境作为其默认解释器，需完成如下步骤： - 打开 VSCode 并按快捷键 `Ctrl+Shift+P` 或者点击顶部菜单栏中的“视图 -> 命令面板”。 - 输入 `Python: Select Interpreter` 并回车。 - 在弹出的选择列表中找到之前创建好的名为 `tf-gpu` 的 Conda 环境路径（通常类似于 `/path/to/anaconda/envs/tf-gpu/bin/python`），然后选中它。 此过程会自动更新 `.vscode/settings.json` 文件以记录所选用的 Python 解析程序位置[^1]。 #### 3. 配置调试选项 (Optional) 如果计划利用内置调试功能运行项目，则还需要进一步调整 launch configuration 设置: - 在左侧活动栏里选择 “Run and Debug”，再点击齿轮图标生成新的 launch.json 文件； - 修改其中的内容使其指向刚才选定之解析器及其参数, 如下所示: ```json { "name": "Python: Current File", "type": "python", "request": "launch", "program": "${file}", "console": "integratedTerminal" } ``` 至此便完成了全部准备工作，在后续开发过程中可以直接借助于该集成化平台开展工作而无需额外考虑底层依赖关系等问题了。 ```python import tensorflow as tf print("TensorFlow version:", tf.__version__) # Check available devices. from tensorflow.python.client import device_lib local_devices = device_lib.list_local_devices() gpu_names = [x.name for x in local_devices if x.device_type == 'GPU'] if not gpu_names: raise Exception('No GPUs found.') else: print(f'GPUs detected: {", ".join(gpu_names)}') ```
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