Cuda 10.0 + tensorflow-gpu 2.0.0版本安装

CUDA 10.0 + TensorFlow-GPU 2.0.0 安装指南
最新推荐文章于 2021-05-24 18:04:07 发布
原创 最新推荐文章于 2021-05-24 18:04:07 发布 · 4.1k 阅读 · 12 ·
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 #深度学习 #神经网络

本文档详细介绍了在Windows 10上安装CUDA 10.0、cuDNN以及TensorFlow-GPU 2.0.0的步骤，包括Anaconda和PyCharm的安装。首先，建议安装Anaconda 3.7和PyCharm。然后，提供CUDA和cuDNN的下载链接，并指导如何进行离线安装。安装过程中，需要将cuDNN文件复制到CUDA安装目录。最后，通过激活conda环境并运行测试代码确认安装成功。

Cuda 10.0 + tensorflow-gpu 2.0.0版本安装

所需软件、安装包

话不多说，直接开讲。我的电脑系统是windows 10。
建议首先安装Anaconda 3.7，pycharm。接着安装Cuda和Cudnn。请根据自己电脑系统下载。

下载:

Anaconda 3.7.
在这里插入图片描述
pycharm.
在这里插入图片描述
Cuda 10.0.

在这里插入图片描述
cuDNN.
在这里插入图片描述

安装

Anaconda 和 pycharm 安装

在优快云中已经有很多介绍这两个程序的安装过程了，这里就不多介绍了，可以百度直接搜索其安装教程，都不难。

Cuda 安装

cuda下载分为两种，一种是下载网络安装包，一种是下载本地安装包。前者安

最低0.47元/天 解锁文章
ubuntu安装tensorflow2.0,cuda10.0,cudnn填坑记录
GDMEC_的博客
01-12 1607
ubuntu安装tensorflow2.0,cuda10.0,cudnn填坑记录安装cuda,cudnn安装完成后的配置：配置～/.bashrc文件创建连接文件坑1：安装完成后，提示libcudnn.so.7 is not a symbolic link 不是符号连接坑2：运行tensorflow代码时候，提示Could not create cudnn handle: CUDNN_STATUS_...
win10安装tensorflow-gpu2.0.0+keras+CUDA10.0+cuDNN7.6.0
Apollo爱搞学习
04-03 889
win10+tensorflow-gpu2.0.0+keras+cuda10.0.130(不可以是10.1)+7.6.0（要大于7.4.1） 声明：这个版本的cuda和cudnn已经不需要手动下载安装了，直接命令行通过conda即可安装。 额外：如果之前没有更改过pip和conda镜像源，参考这个：https://blog.csdn.net/weixin_42268782/article/deta...
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
Tensorflow2.0 GPU版本安装（CUDA10.0 + cuDNN7.5 + Tensorflow2.0 Alpha）
qq_43673118的博客
05-12 1万+
（本人小白一名，总结了一些自己的操作经验，仅供参考） 前段时间Tensorflow 2.0 Alpha版本发布，作为刚入门深度学习的小白之前没有学过 Tensorflow1.x 系列，只学过一些keras，也懒得再学习 Tensorflow1.x 系列了，直接平滑过渡到 Tensorflow 2.0 多好。首先面临的问题就是CUDA等的安装及配置。 操作过程中参考了一些网络上的教程，但版本都不太...
安装tensorflow-gpu2.0.0 + CUDA10.0 + cudnn(7.4以上版本)
Mr.Zhang_9436的博客
02-04 1147
安装tensorflow-gpu2.0.0 + CUDA10.0 + cudnn(7.4以上版本) 在进行tensorflow学习的时候，对于神经网络等计算量很大的程序，用tensorflow-gpu运行是比较快的。 安装准备： 先检查一下你的显卡是不是NVIDIA显卡，目前仅支持NVIDIA显卡。 安装tensorflow前要先安装好anaconda3 更新一下显卡驱动 打开设备管理器 如上图所示，点击更新驱动程序，然后选择自动搜索即可 安装过程： 一、安装cuda10.0.
cuda10.0环境安装tensorflow2.0
先说一下，就简单地写点儿氵文，不是博客，只是我的笔记本/工具书
08-08 971
前置环境需要安装cuda10.0和对应的cudnn 不在赘述，如需查看请参考这两篇博客(面向小白的，十分详细)： 手把手教你win10安装Paddlepaddle-GPU(一) 手把手教你win10安装Paddlepaddle-GPU(二) (注：猜测，如果没有MSVC2017的环境，conda可能会帮咱们安装) 同时，tf2.0也需要MSVC 2017的环境，tf2.0+的版本可能需要更高版本的MSVC环境 大家自己安装一下： https://visualstudio.microsoft.com/zh-
Tensorflow-gpu2.0.0安装以及tensorflow-gpu安装成功的测试程序.pdf
05-12
对于CUDA（Compute Unified Device Architecture）和cuDNN（CUDA Deep Neural Network）库，需要下载并安装对应TensorFlow 2.0.0的版本，通常是CUDA 10.0和cuDNN 7.6.x。这两个库提供了与GPU通信的接口，使得...
最新CUDA 10.0和cuDNN 10.0及tensorflow GPU 2.0安装教程.docx
07-25
本文档详细介绍了一套完整的GPU加速环境搭建流程，包括CUDA 10.0、cuDNN 10.0以及TensorFlow GPU 2.0版本的安装过程。这套环境对于从事人工智能和机器学习研究的开发者来说至关重要，因为它能够显著提升训练深度学习...
tensorflow-gpu2.0.0 安装配置辛酸史（显卡GTX1650）
z1433768804的博客
02-25 5323
最近重装了anaconda环境，想着tensorflow升级下，用tf2.0的版本，但想不到的是简直装到怀疑人生，经过一系列折腾，中间有的步骤忘记了，现在总结下最后装OK可以用的过程 安装 anaconda3 这个就正常操作从官网或者镜像网站上下载；之后就一步一步点；接着配置下环境变量 CUDA及cudnn安装配置 先说下自己安装的版本是CUDA10.1+cudnn7.6.5，用tf2...
tensorflow1.13.1+cuda10.0
jfbh_0的博客
04-01 8612
上一篇帖子里win10+vs2017+cuda10.1+python3.7.2成功安装上了tensorflow的gpu版本，回想起来，有如下几点坑： 1.python学习之旅需要用到大量第三方库，推荐使用anaconda，非常方便管理库及其库的依赖，说干就干呗，于是准备下载了anaconda，先是去官网下，无奈速度很慢，就转去清华资源下载，但问题是资源很老，安装anaconda后发现python...
tensorflow1.11_gpu_py37_cuda10
10-06
tensorflow1.10gpu,_python37,cuda10,cudnn73,avx2....
最近CUDA9.1 Windows10版本的官网总是下载失败，CUDAWin10版本+可运行CUDA9.1的Tensorflow
05-22
先安装tensorflow_gpu-1.6.0-cp36-cp36m-win_amd64.whl，然后安装cuda_9.1.85_win10.exe（百度云链接链接：链接：https://pan.baidu.com/s/1jKaFKwMEKIQR60PtH09jwg 密码：付积分的私信我，给密码，1.35G离线版CUDA，官网最近下载不了），将cudnn库（从https://developer.nvidia.com/rdp/cudnn-download官网下载）中的文件添加到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1下的对应文件中，在path路径添加如下： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\lib\x64 使用命令nvcc -V测试是否安装成功 注意现在的Tensorflow还不支持CUDA9.1，所以需要下载本文件中的tensorflow
WIN10下安装tensorflow-gpu+cuda10.0+cudnn
qq_39833121的博客
08-09 2198
在WIN10下安装tensorflow-gpu+cuda10.0+cudnn前提cuda10.0cudnn 7.4tensorflow-gpu1.13.1总结 前提  年初在做tensorflow内容的学习时曾安装过一次tensorflow-gpu，当时使用cuda9.0+tensorflow-gpu1.9，尝试过安装高版本因为一路报错，试了多个版本后才成功。现在换了新电脑重新安装使用tensor...
win10系统CUDA10.0安装教程（for tensorflow2.0）
热门推荐
师范大学生的博客
11-19 4万+
  前言：目前最新的CUDA版本是10.1，但是出于某种神秘的原因，目前tensorflow2.0仅支持CUDA10.0。这个已经在我的电脑与一部分网友的反馈中得到了证实。tensorflow2.0不仅绑定了CUDA的版本，还对CUDA安装配置有一定要求。为了实现GPU加速，这里将安装与配置过程记录一下。 下载并安装CUDA10.0   献上各种CUDA的下载链接：https://develope...
Win10-CUDA10.0-Tensorflow-GPU安装流程
qq_42191186的博客
12-20 1757
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-gpu搭建CUDA 10.0与cuDNN等版本问题
weixin_42718092的博客
12-14 4万+
自己这两天一直在搭建Tensorflow-gpu这样一个环境。 tensorflow-gpu版本为1.12 ，如官方所示要求cuDNN版本为7，CUDA版本为9. 但自己在安装CUDA的时候一直是无法安装的状态，查看了很多其他人的博客，有好多都说是卸载现有的显卡驱动，然后再重新安装。不知道这样带来的后果是什么所以还是没有选择这样做。然后看到了官网上新出了CUDA v10的版本，然后直接下载安装了...
Windows10 安装tensorflow2.0.0
奋斗ing的博客
05-24 836
Windows10 安装tensorflow2.2.0 目录Windows10 安装tensorflow2.2.0安装Anaconda安装CUDA安装Cudnn安装tensorflow2.2.0 安装Anaconda 安装CUDA 安装Cudnn 安装tensorflow2.2.0
Windows10+Anaconda+CUDA 10.0的TensorFlow(GPU)环境搭建
Melaleuca_Yy的博客
09-06 2745
因为最近在用Tensorflow进行学习，所以分享一下配置一些细节。 笔者配置说明: Inter Corei5-8400 CPU GeForce GTX 1060 Windows 10 (64位) 需要配置的环境： Anaconda3(64bit) CUDA 10.0 cuDnn 7.6.5 Python 3.6 Tensorflow - gpu 1.13.1 一、 安装Anaconda3 Anaconda3的安装可以直接到其官网（https://www.anaconda.co...
Anaconda+tensorflow2.0-gpu+cuda10.0+cuDNN安装步骤
qq_35034711的博客
04-30 1769
一、注意事项 安装了3个钟头，遇到了很多问题，成功后总结一下遇到的问题，希望大家及时止损。 1.要是用tensorflow_gpu,需要安装cuda，如果要运行神经网络，需要安装cudnn。 2.duda，cudnn，tensorflow_gpu,这三者有对应的版本号，具体的大家可以百度。我安装的对应版本是cuda10.0+cudnn(在官网下载时选择对应cuda10.0的版本)+tensorfl...
Win10下TensorFlow-gpu环境配置cudnn 7.6.0分享
文件标题中提到的“cuda10.0”指的是CUDA工具包10.0版本，这是一个NVIDIA提供的并行计算平台和编程模型，允许开发者使用NVIDIA的GPU进行通用计算（GPGPU）。在深度学习和科学计算领域，CUDA被广泛用于加速计算任务。...
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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

打赏作者

Tee xm

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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