conda环境下tensorflow-gpu的安装

最新推荐文章于 2025-06-14 14:29:21 发布
最新推荐文章于 2025-06-14 14:29:21 发布
阅读量2.6k 收藏 6
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 配置环境 文章标签： python anaconda tensorflow 深度学习
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_47633814/article/details/121495349
本文详细介绍了如何在Windows上检查并安装适合的NVIDIA驱动程序，选择并安装CUDA 11.2，包括CUDA工具包的下载与定制安装，cudnn的下载与整合，以及最后TensorFlow-GPU的安装和验证。遇到的兼容性和警告问题也做了说明。

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

目录

查看安装的驱动程序

打开nvidia控制面板->系统信息,查看GPU的型号，我的型号为GeForce GTX 1660 Ti，驱动程序版本为462.42
在这里插入图片描述
打开组件查看安装的GPU驱动版本，显示我的显卡支持版本为NVIDIA CUDA 11.2.162版本
在这里插入图片描述在https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html中查看windows下CUDA版本于安装驱动程序的版本对应关系
在这里插入图片描述
我的驱动程序版本为462.42，可以支持CUDA11.3.0版本以下的版本，我选择的CUDA版本为CUDA 11.2.2。
在https://tensorflow.google.cn/install/source_windows?hl=en#gpu查看tensorflow-gpu安装的相应版本关系
在这里插入图片描述
这里我选择安装tensorflow_gpu-2.5.0版本，各个版本对应为
在这里插入图片描述

安装CUDA

安装CUDA工具包

下载CUDA工具包，以前版本的网页查找以前的版本，点击CUDA Toolkit 11.2.2,如下图
在这里插入图片描述
跳到页面选择下载windows系统的CUDA,选择如下图下载安装工具
在这里插入图片描述

下载完成，双击打开进行安装
在这里插入图片描述
选择下载器的安装路径，默认即可
在这里插入图片描述
出现安装界面
在这里插入图片描述
选择自定义
在这里插入图片描述
选择下载的组件，默认全选，我已经安装了驱动组件，这么不选择下载驱动组件，其他组件也取消
在这里插入图片描述
CUDA组件里选择下面几项即可，我还没有下载vs，不勾选Visual Studion Integration
在这里插入图片描述

选择安装路径，这里默认路径即可，点击下一步进行下载
在这里插入图片描述
安装完成
在这里插入图片描述

查看安装

在我的安装路径已经多出了一个CUDA文件夹，
在这里插入图片描述

点击计算机右键属性->高级系统设置->环境变量->系统变量如下图
在这里插入图片描述

此时CUDA环境已经自动配置成功，win+R 输入cmd打开命令行
输入nvcc --version查看CUDA,显示如下则安装成功
在这里插入图片描述

安装cudnn

去官网下载cudnn，需要登陆。
在这里插入图片描述

选择相应的版本，我下载的是8.1.1版本
在这里插入图片描述
选择cuDNN Library for Windows(x86)进行下载，下载的文件是一个压缩包，需要解压，解压后的文件夹名为cuda，里面文件如下
在这里插入图片描述
将cuDNN里面的下面三个文件夹下的文件分别复制到之前安装的CUDA的相应同名文件下。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
cudnn安装成功

安装tensorflow-gpu

win+R 输入cmd打开控制台，输入如下命令安装tensorflow-gpu-2.5.0(需要此前已经配置成功anaconda环境)
在这里插入图片描述
如下图所示下载成功
在这里插入图片描述

确实tensorflow安装成功

conda list 发现存在多出如下几个包
在这里插入图片描述直接进入python环境，输入import tensorflow as tf导包，显示如下则安装成功在这里插入图片描述

补充

若是在导包中出现以下警告
在这里插入图片描述
则是cuda的一些库没有找到，cuda的库版本是向下兼容，如果是版本高了，可以在cuda安装目录中的bin目录里面进行重命名为需要找到的链接库即可

在这里插入图片描述

用 conda 安装 tensorflow-gpu
Joe_Hall_Lee的博客
06-25 789
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。
conda命令安装tensorflow-gpu
热门推荐
sinat_31869361的博客
04-08 2万+
背景：我的电脑中已经配置好了anaconda、Jupyter Notebook、Jupyter Notebook(tensorflow)-cpu版本，笔记本的GPU为NVIDIA GeForce MX150 原因：CPU版本跑CNN程序太慢了，所以我决定用conda命令再装一个tensorflow-gpu的版本 注意事项：1、安装GPU版本的tensorflow重要的地方在于要装两个包：cud...
conda安装tensorflow-gpu
qq_45159591的博客
07-03 1865
而使用 conda 安装 GPU 加速版本的 TensorFlow 时，只需使用命令 conda install tensorflow-gpu，这些库就会自动安装成功，且版本与 tensorflow-gpu 包兼容。conda install tensorflow命令只有在Linux下安装的才是集成了mkl库的TensorFlow，如果在Windows下，必须使用conda install tensorflow-mkl命令，这样才能安装集成了mkl库的TensorFlow。
【TensorFlow GPU 环境配置指南 (Conda)】
最新发布
stt666的博客
06-14 485
我这里提供了一种使用 Conda 快速配置 TensorFlow GPU 环境的方法。该方法的最大优势在于，在操作系统级别手动安装 NVIDIA 驱动程序之外的，Conda 会在虚拟环境中处理好这一切，极大地简化了配置过程并保证了版本兼容性。
anconda安装TensorFlow-gpu
m0_67703479的博客
06-21 1709
安装适合的 TensorFlow GPU 版本，选择与之兼容的 CUDA 和 cuDNN 版本。
使用conda安装tensorflow-gpu | ubuntu系统
Warmer_Sweeter
10-15 505
点击关注我哦一篇文章带你避坑安装tensorflow-gpu大部分时候，如果我们电脑中已经安装了anaconda，便可以使用 conda 进行安装 tensorflow-gpu，还是使用...
[Anaconda] 安装tensorflow-gpu
qq_31225201的博客
06-09 5583
首先创建虚拟环境： conda create -n tfgpu python=3.6.5 进入虚拟环境： activate tfgpu 根据官网：https://tensorflow.google.cn/install/source_windows 确定tensorflow、cuDNN，CUDA的版本要求选定要下载的cuDNN，CUDA版本。 CUDA下载地址：https://develop......
Tensorflow-gpu2.0.0安装以及tensorflow-gpu安装成功的测试程序.pdf
05-12
4. 安装Python环境：使用Anaconda或pip创建一个新的虚拟环境，并在其中安装TensorFlow-GPU 2.0.0。命令可能类似于`conda create -n tf_gpu tensorflow-gpu==2.0.0`或`pip install tensorflow-gpu==2.0.0`。 测试...
Linux安装Anaconda3并创建虚拟环境来安装tensorflow-gpu和tensorflow-federated
12-21
以下将详细介绍如何在Linux上安装Anaconda3以及在其中创建一个名为“tff”的虚拟环境，然后安装TensorFlow-GPU和TensorFlow-Federated。 首先，你需要从清华大学的镜像站点下载Anaconda3的安装脚本。这可以通过运行...
tensorflow-gpu1.12.0离线安装所需库的安装包
02-18
5. **安装TensorFlow**: 将你下载的"tensorflow-gpu-1.12.0"离线安装包用pip在虚拟环境中安装。 6. **验证安装**: 安装完成后，编写一个简单的TensorFlow脚本来测试GPU是否被正确识别和使用。 请注意，安装过程中...
Windows10使用Anaconda安装Tensorflow-gpu的教程详解
10-15
本文将详述如何在Windows 10操作系统上利用Anaconda这一强大的Python环境管理工具安装TensorFlow-GPU版本。Anaconda不仅能够帮助我们轻松管理Python版本，还可以创建独立的环境，避免不同项目间的依赖冲突。 首先，...
conda安装tensorflow gpu
qq_45633813的博客
08-01 334
conda create -n tf1 python=3.6 conda install cudatoolkit=10.0 conda install cudatoolkit=10.0 -c https://mirrors.ustc.edu.cn/anaconda/pkgs/main conda install cudnn=7.4 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/ conda install cudnn=
安装tensorflow-gpu
weixin_45226065的博客
07-06 2499
报错信息：protobuf requires Python '>=3.7' but the running Python is 3.6.2。更新命令：python -m pip install --upgrade pip。但是报错，需要更高版本的python，于是需要在虚拟环境中升级python。python常见错误：Cannot uninstall ‘six‘.对应的最低tensorflow-gpu是1.2.0版本的。python是3.6.2版本的。选择一个合适的2.0.0版本的。
Windows10下使用Conda安装TensorFlow-GPU
weixin_46846685的博客
11-29 2949
Windows10下使用Conda安装TensorFlow-GPU
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
conda安装Tensorflow2.9的GPU版本
weixin_57354186的博客
11-15 8991
conda安装Tensorflow2.9的GPU版本
Tensorflow-gpu安装
weixin_41797594的博客
11-19 402
在安装tensorflow的时候遇到了问题，通过官网中提到的pip install tensorflow直接安装识别不到gpu，尝试重装cuda、cudnn之后还是不行，因此选择直接安装支持cpu的版本。首先通过conda create -n env_name python=3.8，创建了一个环境。可以看到2.10.0支持gpu，然后要找到后面带有和自己python版本一致的build信息，输入命令。然后等待安装，完成后就能识别到gpu了。
Anaconda安装Tensorflow的GPU版
weixin_44174352的博客
01-30 382
最近因为各种原因之前的tensorflow发现不能用用了，所以在网上找了这篇优质的安装指南，分享一下。 1.安装Anaconda 官网下载 地址：https://www.anaconda.com/products/individual 2. 卸载电脑上已有的python 先看下自己电脑上安装的python版本（为了以防后面的一些奇怪的版本不兼容问题） 直接在官网找到相应版本的安装包（记住是安装包，不是直接解压就用的那种），然后运行uninstall. 3. 开搞conda 一路next，到这一步后直接选择添
conda里面tensorflow-gpu安装
05-23
### 如何通过 Conda 安装 TensorFlow-GPU 为了确保能够正确安装 `tensorflow-gpu` 并使其支持 GPU 加速，以下是详细的说明： #### 创建并激活虚拟环境 创建一个新的 Python 虚拟环境可以有效隔离依赖项冲突。假设目标是使用 Python 3.9 和 TensorFlow 2.10 版本，则可以通过以下命令完成环境的创建和激活： ```bash conda create -n TF2.10 python=3.9 conda activate TF2.10 ``` #### 安装 TensorFlow-GPU 在激活环境中，可以直接通过 `conda` 命令来安装 `tensorflow-gpu`。需要注意的是，某些情况下可能需要指定特定版本号以及镜像源以加速下载过程。例如： ```bash conda install tensorflow-gpu==2.10.0 -c anaconda ``` 如果遇到网络问题或者速度较慢的情况，可以选择清华 TUNA 镜像作为替代方案： ```bash conda install tensorflow-gpu==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 对于更复杂的场景下（比如已经存在其他包冲突），还可以尝试先卸载再重新安装的方式解决潜在问题： ```bash conda uninstall tensorflow-gpu==2.10.0 conda install tensorflow-gpu==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 另外一种方法则是利用阿里云 PyPI 镜像源设置全局默认地址后再执行常规安装操作[^3]: ```bash pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/ pip install tensorflow==2.10 ``` 以上步骤均基于前提条件——计算机已预装兼容版本的 NVIDIA CUDA 工具链及相关驱动程序。 ### 注意事项 - 确认硬件设备满足最低需求规格。 - 检查当前系统的显卡驱动是否适配所选CUDA版本。 - 如果仍然存在问题，请参照官方文档进一步排查原因[^2]。
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