win10+vs2015+cudatoolkit9.0+tensorflow1.12.0（内涵cudnn7.6.5）

最新推荐文章于 2025-12-17 10:48:49 发布
原创 最新推荐文章于 2025-12-17 10:48:49 发布 · 239 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#tensorflow #cuda

本文介绍如何在Windows 10系统中使用VS2015配合CUDA Toolkit 9.0及cuDNN 7.6.5通过conda安装并配置GPU版TensorFlow 1.12.0。该配置使得可以在Windows环境下利用GPU加速进行深度学习任务。
部署运行你感兴趣的模型镜像

win10+vs2015+cudatoolkit9.0+tensorflow1.12.0（内涵cudnn7.6.5）

其中 cudatoolkit9.0+tensorflow1.12.0（内涵cudnn7.6.5） 直接用conda安装

可以用gpu

 

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

Windows下安装Tensorflow1.12.0+CUDA+CUDNN
luminghao98的博客
04-20 1730
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...
python3.6.4+anaconda5.1.0+cuda9.0.176+cudnn_v7.4.1.5+tensorflow安装心得
weixin_44525240的博客
11-07 757
python3.6.4+anaconda5.1.0+cuda9.0.176+cudnn_v7.4.1.5+tensorflow安装心得 前言 最近做本科毕业设计，要用到图卷积神经网络，开始入坑深度学习。在配置深度学习环境时踩了很多坑，为防止自己和大家继续踩雷，在此记录。我遇到的问题有： python版本太高，配置不兼容 cuda版本和电脑显卡不匹配 tensorflow版本不匹配 总之，都是粗心大意，没有注意版本匹配问题。在浏览了众多帖子后，最终采用最稳妥的方式，python3.6.4+anaconda
Win10 安装tensorflow1.12.0 GPU版本
wxtcstt的专栏
06-02 4924
我的工具版本分别是： CUDA9.0 cudnn7.4.1.5 tensorflow 1.12.0 vs2015（update3） python 3.6，严格按照此版本配置可以确保安装成功 其它版本的CUDA和cudnn 测试未能成功，尤其是cudnn的版本难以把握用哪个。 如下面这个配置可以肯定是不成功的 tensorflow 1.12.0 cuda toolkit 10.0.13...
tensorflow各个版本的CUDA以及Cudnn版本对应关系
热门推荐
MIss-Y的博客
04-08 49万+
概述，需要注意以下几个问题： （1）NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦！CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。 CUDA的本质是一个工具包（ToolKit）；但是二者虽然不一样的。 显卡驱动的安装： 当我们使用...
win10+GTX1080ti+python3.6.5配置cuda9.0+cudnn7.5.0+ TensorFlow-gpu1.12.0
天泽28的专栏
03-30 3455
win10+GTX1080ti+python3.6.5配置cuda9.0+cudnn7.5.0+ TensorFlow-gpu1.12.0 前言：最近终于把自己的主机组装好了，入手了1080ti，所以重新配置了下TensorFlow GPU版，把安装的过程记录下。首先TensorFlow目前不支持cuda9.1，cuda9.2，cuda10。如果想用这几个高版本的，需要自己下载TensorFlow...
安装CUDA9.0及对应版本的tensorflow-gpu详细过程补充
baidu_41769354的博客
04-10 2261
本文大多借鉴此博客，请阅读下边的说明后参考本博客安装：安装CUDA9.0及对应版本的tensorflow-gpu详细过程（Windows server 2012R2版本也可以） 有几点需要说明： 查看自己电脑NV显卡驱动的版本，找到对应的CUDA版本 方法参考链接 版本对照表： 比如我的电脑NV显卡驱动版本是385.54，那么我就去下载CUDA9.0（如果显卡版本太低，可以下载一个驱动精灵更新一下英伟达显卡驱动，然后再查看一下对应的cuda版本） vs2015和cuda的安装问题 按照原博客，一定要先安
【tensorflow1.12+tensorflow2.0环境搭建】bert+tensorflow+cuda+cudnn（windows系统）
qq_42260874的博客
01-07 2127
1错误环境卸载 Win10中CUDA、cuDNN的安装与卸载https://blog.csdn.net/XunCiy/article/details/89070315 win10 卸载cudahttps://blog.csdn.net/u013066730/article/details/85054164
win10 + NVIDIA GeForce RTX 2080 Ti + CUDA10.0 + cuDNN v7.6.5
tpz789的博客
02-20 4682
win10 + NVIDIA GeForce RTX 2080 Ti + CUDA10.0 + cuDNN v7.6.5 配置教程 参考文献： 显卡驱动版本号一定要与cuda版本号想对应,要不然tensorflow运行会报错： https://blog.csdn.net/qxqsunshine/article/details/96901952 RTX2080ti显卡+win10+安装Tensorf...
tensorflow-gpu==1.12.0 和1.15.0安装
07-23 561
卸载无关包 conda uninstall cudatoolkit=9.2 conda uninstall cudnn=7.6.5 安装相关包 conda install -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main cudatoolkit=9.0 conda install -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main cudnn=7.3.1 pip insta
TensorFlow的环境配置与安装教程详解（win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5）
09-16
在本教程中，我们将详细讲解如何在Windows 10操作系统上配置和安装TensorFlow的GPU版本，具体配置包括GeForce GTX 1060显卡、CUDA 9.0、cuDNN 7.3以及TensorFlow-gpu 1.12.0，同时使用Python 3.5.5。 首先，确保你...
精选资源
win10 + RTX 2080 Ti + CUDA10.0 + cuDNN v7.6.5 + tensorflow-gpu-1.12.0 + keras2.2.4
01-06
win10 + RTX 2080 Ti + CUDA10.0 + cuDNN v7.6.5 的配置参考博客： https://blog.csdn.net/tpz789/article/details/103848529 （1）下载TensorFlow-gpu 这里下载的是网友推荐的GitHub上的地址：...
精选资源
Win10+GTX1050ti+cuda8.0+cuDNN5.1+Tensorflow-gpu1.2+Keras+Theano环境搭建-附件资源
03-05
Win10+GTX1050ti+cuda8.0+cuDNN5.1+Tensorflow-gpu1.2+Keras+Theano环境搭建-附件资源
精选资源
【深度学习】Faster R-CNN+win10+tensorflow1.12.0+python3.6+CUDA9.0+cudnn7.3配置-附件资源
03-02
【深度学习】Faster R-CNN+win10+tensorflow1.12.0+python3.6+CUDA9.0+cudnn7.3配置-附件资源
tensorflow 零基础吃透：RaggedTensor 的底层编码原理
servepeople的博客
12-15 1114
RaggedTensor采用"扁平存储+行分区"的编码结构，将不规则数据高效存储为扁平张量(values)和分区规则(row_partition)。核心原理包括四种行分区编码方式：row_splits(拆分点)、value_rowids(行索引)、row_lengths(行长度)和uniform_row_length(均匀长度)，各适用于不同场景。对于多维不规则数据，通过嵌套RaggedTensor实现编码，其嵌套深度由ragged_rank表示。这种设计既保证了存储效率，又支持灵活的不
tensorflow Keras Sequential 模型
最新发布
servepeople的博客
12-17 334
Keras Sequential模型是一种线性堆叠的层容器，适用于简单的前馈神经网络。它通过顺序连接各层实现单向数据流，每层只有一个输入和输出张量。本文解析了Sequential模型的核心概念、代码实现方式（直接定义或动态添加层），并对比了其与Functional API的区别。Sequential适用于快速原型开发（如MNIST分类）和简单回归任务，但不支持多输入/输出、层共享或非线性拓扑结构。文中还展示了模型结构查看、编译训练等完整流程，说明Sequential本质是逐层调用的语法糖，适合初学者但功能有
tensorflow 零基础吃透：TensorFlow 张量切片与数据插入（附目标检测 / NLP 实战场景）
servepeople的博客
12-16 760
本文详细讲解了TensorFlow中张量切片与数据插入的核心操作，涵盖基础切片、跨步切片、索引提取以及数据插入等关键方法。通过目标检测和NLP实战场景，演示了tf.slice、tf.gather、tf.scatter_nd等API的具体应用，包括特征筛选、序列截取、单词遮盖和特征更新等任务。文章提供了丰富的代码示例，帮助读者掌握如何高效处理结构化数据，并展示了如何结合不同API实现复杂操作（如模拟稀疏张量）。这些技术是TensorFlow数据处理的基础，适用于计算机视觉和自然语言处理等多个领域。
TensorFlow 深度解析：从基础到实战的全维度指南
qq_56999332的博客
12-16 1830
本文全面介绍了TensorFlow深度学习框架的核心概念与应用实践。主要内容包括：1）TensorFlow框架概述与发展历程，突出其强大的生态系统和多平台兼容性；2）环境安装配置指南，涵盖CPU/GPU版本安装及验证方法；3）核心概念详解，包括张量操作、计算图机制和自动微分；4）模型构建方法，重点介绍Keras API、Sequential模型和Functional API；5）实战案例演示，通过CIFAR-10图像分类任务展示CNN模型构建、训练评估全流程。文章提供了丰富的代码示例，帮助读者从入门到进阶掌
tensorflow 零基础吃透：创建 tf.sparse.SparseTensor 的核心方法
servepeople的博客
12-16 689
本文介绍了TensorFlow中创建tf.sparse.SparseTensor的两种核心方法：直接构造和从密集张量转换。直接构造需要指定非零值坐标(indices)、值(values)和密集形状(dense_shape)；而tf.sparse.from_dense可自动从密集张量提取非零值生成稀疏张量。文章还提供了美观打印函数便于调试，并演示了稀疏张量与密集张量间的相互转换。关键注意事项包括数据类型要求、索引格式规范等，最后总结了核心操作函数及其用途，帮助开发者高效处理稀疏数据。
tensorflow 零基础吃透：tf.sparse.SparseTensor 与核心 TensorFlow API 的协同使用
servepeople的博客
12-16 900
本文详细介绍了TensorFlow中稀疏张量（tf.sparse.SparseTensor）与核心API的协同使用方法。主要内容包括： 与tf.keras的集成：通过设置sparse=True支持稀疏输入，但Dense层会转换为密集输出 与tf.data的配合：支持稀疏数据的批处理、解批和变换操作，保持稀疏性 与tf.train.Example的交互：通过VarLenFeature和SparseFeature解析稀疏数据 文章通过代码示例展示了如何在实际场景中使用稀疏张量，并强调了关键注意事项，如输入层设置
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