利用conda和pip在离线环境安装python中TensorFlow的GPU版本

最新推荐文章于 2024-06-25 00:28:28 发布
最新推荐文章于 2024-06-25 00:28:28 发布
阅读量1k 收藏
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 总结 文章标签： tensorflow-GPU离线安装 conda安装tensorflow-GPU 免下载CUDA/CUDNN
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_43992333/article/details/94741815
本文介绍了如何在离线环境中利用conda和pip安装TensorFlow-GPU 1.12.0版本，详细步骤包括在联网电脑上下载所需包并转移到离线机，以及具体安装顺序。此方法避免了手动下载CUDA和CUDNN，适用于英伟达GPU，对Python 3.6和Anaconda 5.2.0环境。

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

利用conda和pip在离线环境安装python中TensorFlow的GPU版本

  • 在一台联网电脑上，分别在cmd命令行窗口进行如下操作：

  • pip download tensorflow==1.12.0

  • conda install tensorflow-gpu==1.12.0

  • 这一步可以实现利用pip只下载不安装tensorflow-GPU版本的所有安装包，同时可在“安装路径/pkgs”文件夹下找到所有conda下载的tar.gz2格式的安装包

  • 将以上安装包拷贝到离线机中，并按如下顺序安装（大致顺序）：

  • 1 msgpack-0.6.1-cp36-cp36m-win_amd64.whl【pip】
    2 Markdown-3.1.1【pip】
    3 protobuf-3.8.0【pip】
    4 Keras_Applications-1.0.8-py3-none-any.whl【pip】
    5 【可能】numpy-1.16.4-cp36-cp36m-win_amd64.whl【pip】
    6 【可能】h5py-2.9.0-cp36-cp36m-win_amd64.whl【pip】
    7 【可能】six-1.12.0-py2.py3-none-any.whl【pip】
    8 Keras_Preprocessing-1.1.0-py2.py3-none-any.whl【pip】
    9 cudatoolkit-9.0-1.tar.bz2【conda】
    10 libprotobuf-3.6.0-h1a1b453_0.tar.bz2【conda】
    11 absl-py-0.1.6.tar.gz【pip】
    12 astor-0.8.0-py2.py3-none-any.whl【pip】
    13 tensorflow-base-1.12.0-gpu_py36h6e53903_0.tar.bz2【conda】
    14 g

最低0.47元/天 解锁文章

200万优质内容无限畅学
anaconda安装tensorflow gpu 1.12.0版本
qq_41487723的博客
05-10 3145
anaconda安装tensorflow gpu 1.12.0版本 一、在anaconda中创建虚拟环境 打开Anaconda Prompt 输入： conda create -n tensorflow-gpu pip python=3.6 等待创建完成。 二、安装tensorflow gpu 1.12.0 依旧是Anaconda Prompt中， 输入： activate tensorflow-gpu 此时我们已经进入了tensorflow-gpu的虚拟环境 再输入： pip install ten
win10下anaconda内tensorflow-gpu 1.12.0安装
qq_40548768的博客
03-21 2860
装软件渣渣的我竟然装成功装上了，赶快记录一下，防止忘了，，这个只有gpu版本。希望能帮到其他人。 注:我是在anaconda已经安装的情况下安得tensorflow-gpu,安装的时候要注意显卡对应的CUDA/cuDNN的版本、tensorflow的版本、python的版本的对应。 我的安装版本： 显卡GeForce GTX1650+CUDA10.0.130+CuDNN7.3.1.20+tenso...
Anaconda下conda，pip安装tensorflow-gpu
weixin_39126107的博客
04-11 1222
Conda安装tensorflow-gpu 之前可以使用conda命令傻瓜式安装tensorflow-gpu，但是19年之后，清华等国内镜像不再支持Conda安装tensorflow-gpu，因此只能使用国外源下载，但是因为国外源速度太慢，导致一直下载失败，期间尝试了清华，中科大，豆瓣，阿里云的镜像源都不能完成安装，最后只能采取原来的笨方法，用pip分三步安装tensorflow-gpu。 pip...
安装tensorflow-gpu 1.12.0
fx714848657的博客
11-26 7398
在NVIDIA RTX3090上安装tensorflow-gpu 1.12.0，期间涉及CUDA和cuDNN版本切换和安装tensorflow-gpu的过程中不断报错的问题。
tensorflow-gpu==1.12.0 和1.15.0安装
07-23 479
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
在Linux服务器anaconda环境下离线安装tensorflow-gpu2.3.0版本（python 3.7）
qq_41856194的博客
06-13 2612
在Linux服务器anaconda环境下离线安装tensorflow-gpu2.3.0版本（python 3.7）
如何重头通过conda安装tensorflow-2.10-GPU版本，配置环境
TTritium的博客
03-17 1447
我参照要求去下载tensorflow对应的cudnn与cudatoolkit版本，但是默认的conda源并灭有找到相应的版本。首先安装依赖包，（因为之前我先安装tensorflow在安装依赖包，总是出现版本不匹配的问题）推荐使用阿里镜像，实测是真的快。总结，依赖包和tensorflow我采用pip安装，cudnn和cudatoolkit采用conda安装（因为pip没有）安装tessorflow2.10版本，也同样使用镜像源，也可以直接为pip配置默认镜像源。如果有显示，则说明ok，记得版本要大于450。
用 conda 安装 tensorflow-gpu
Joe_Hall_Lee的博客
06-25 797
后来发现这样直接不安装其他依赖也会有问题，因为很多库如果不安装别的依赖是用不了的，手动安装所有需要的依赖又太麻烦。于是换了一种方法，写一个 constraints.txt 文件作为约束，在安装其他库的时候就不会改变约束文件中库的版本了，我的约束文件目前有这些库。最近遇到了安装 TensorFlow 但无法识别 GPU 的问题，折腾了半天终于安装成功，总结一下安装步骤，前提是电脑里已经有 CUDA 了。每台电脑的环境都不一样，这种方法只针对此时此刻我的电脑有用，记录一下。然后再安装想装的库，比如这样。
【深度学习系列】全面指南：安装TensorFlow的CPU和GPU版本
热门推荐
2301_81199775的博客
06-22 3万+
本博客旨在为初学者提供一份全面的指南，介绍如何根据个人电脑的配置选择并安装适合的TensorFlow版本。内容涵盖了如何查看电脑显卡型号以确定是安装CPU还是GPU版本的TensorFlow，创建Python虚拟环境，以及使用conda命令查找可用的TensorFlow版本。同时，文章还提供了安装过程中可能遇到的问题及其解决方法，确保读者能够顺利完成安装过程，并开始他们的机器学习或深度学习项目。
_tflow_select-2.1.0-gpu.tar.bz2
06-21
Anaconda必备的安装包，离线下载下来的，需要的自己取
TensorFlow离线安装包
05-06
TensorFlow离线安装包
离线安装tensorflow时的依赖包
04-08
离线安装tensorflow1.7或tensorflow1.13时需要的依赖项。
TensorFlow1.12依赖库 _tflow_select-2.1.0-gpu.rar
05-12
TensorFlow1.12.0版本的依赖库，需要的自取。
python tensorflow安装whl文件
02-22
tensorflow 在Windows下安装文件 只支持Python3.5 在Windows环境下
tensorboard-1.12.2-py3-none-any.whl
06-06
TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。特别是在训练网络的时候，我们可以设置不同的参数（比如：权重W、偏置B、卷积层数、全连接层数等），使用TensorBoader可以很直观的帮我们进行参数的选择。
conda虚拟环境安装tensorflow-gpu
weixin_43897733的博客
02-19 598
tensorflow安装 conda install tensorflow-gpu AttributeError: module ‘tensorflow’ has no attribute ‘compat test import tensorflow as tf tf.Session() #若出现GPU信息则说明安装成功 # 或者 tf.test.is_gpu_available() #输出True， 则安装成功 tensorflow-estimator==2.2.0 有可能会出错 需要安装其他版本
离线安装tensorflow，tensorflow-gpu1.15.0依赖库
Eros1onAqua的博客
08-05 4762
离线安装tensorflow教程，罗列tensorflow-gpu1.15.0的依赖库版本
python 离线安装tensorflow
tylor_zhang的博客
08-26 521
打开终端或cmd，切换到需要保存的环境后，输入：pip freeze > requirements.txt生成一个txt文件，这个件就是github上的python项目中经常看到的，该项目的依赖包。 输入pip download -r requirements.txt -d C:\Users\Administrator\packages ，将requirements.txt文件中的软件下载到...
离线安装—Tensorflow教程
hser-chen的博客
07-27 5748
目录 1.安装包 2.安装环境 3.安装过程 4.安装成功 大家知道通过在线下载的方式，pip非常容易能够安装tensorflow，在我们遇到电脑无法连接外网的时候，只能通过离线的方式安装Tensorflow深度学习框架，本文来掰扯掰扯Anaconda中离线安装tensorflow过程中遇到的那些坑。 1.安装包 首先本文安装的tensorflow是基于Python的，安装Python的过程不做说明（网上教程超级多）：本次教程是windows下Anaconda离线...
如何在conda环境中安装GPU版本的TensorFlow3.11版本以上
最新发布
05-10
<think>好的，用户想在conda环境中安装特定版本的GPU支持的TensorFlow，版本要求3.11或更高。首先需要确认TensorFlow的版本情况。但发现TensorFlow的版本号通常以2.x.x为主，比如2.15.0，而3.11这样的版本号可能不存在。可能是用户记错了版本号，或者混淆了Python版本。需要向用户澄清这一点。 接下来，考虑用户的真实需求可能是安装支持GPU的TensorFlow最新版本，或者特定于某个环境的需求。假设用户需要的是TensorFlow 2.x的GPU版本，那么正确的安装步骤包括：创建conda环境，安装CUDA和cuDNN，然后通过conda或pip安装TensorFlow。 检查引用资料，引用[2]提到使用clang编译安装TensorFlow 2，这可能对用户来说比较复杂，但用户可能更倾向于直接安装预编译版本。引用[5]提到安装PyTorch的例子，可能用户的环境需要特定的依赖，比如dtk版本，但暂时不确定是否需要考虑。 需要指导用户使用conda安装，但注意到conda源中的TensorFlow可能版本较旧，所以建议使用pip安装。同时，确保CUDA和cuDNN版本与TensorFlow版本兼容。例如，TensorFlow 2.15需要CUDA 11.8和cuDNN 8.6。 步骤可能包括：创建conda环境，安装CUDA工具包，安装cuDNN，然后通过pip安装TensorFlow。同时提醒用户验证安装，检查GPU是否被识别。 另外，用户可能遇到的问题包括环境变量设置、驱动版本不兼容等，需要给出常见问题的解决方法，如更新驱动、检查CUDA路径等。 最后，生成相关问题帮助用户进一步解决问题，比如版本兼容性、环境验证、性能优化等。</think>### 安装TensorFlow GPU版本的步骤（Conda环境） 1. **确认版本需求** TensorFlow官方版本号目前以`2.x.x`为主（如`2.15.0`），暂未发布`3.11`版本[^2]。建议核实具体版本需求，可能是Python 3.11环境而非TensorFlow版本。 2. **创建Conda环境** ```bash conda create -n tf_gpu python=3.11 # 若需Python 3.11 conda activate tf_gpu ``` 3. **安装CUDA和cuDNN依赖** TensorFlow GPU版本依赖特定版本的CUDA和cuDNN。例如TensorFlow 2.15.0要求： ```bash conda install -c conda-forge cudatoolkit=11.8 cudnn=8.6 # 版本需匹配 ``` 4. **安装TensorFlow GPU版本** ```bash pip install tensorflow==2.15.0 # 通过pip安装最新稳定版 ``` 5. **验证安装** ```python import tensorflow as tf print(tf.__version__) # 输出版本号 print(tf.config.list_physical_devices('GPU')) # 检查GPU识别 ``` --- ### 常见问题解决 - **CUDA版本不匹配**：若报错`Could not load dynamic library 'libcudart.so.11.0'`，需检查CUDA安装路径是否加入环境变量[^3]。 - **驱动兼容性**：确保NVIDIA驱动版本支持对应CUDA版本（如CUDA 11.8需驱动≥520.x）。 - **Conda源限制**：若conda源无对应版本，优先使用`pip`安装。 ---
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