win10下cuda10.2配置tensorflow2.x

最新推荐文章于 2022-04-26 18:15:50 发布
最新推荐文章于 2022-04-26 18:15:50 发布
阅读量701 收藏 4
点赞数 2
分类专栏： 报错解决
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/yjh_SE007/article/details/109597109
版权

目前，tensorflow官方还未发布cuda10.2对应的tensorflow版本

亲测有效的配置方法：

windows下需要把cuda安装目录下的cudart64_102.dll复制一份重命名为cudart64_101.dll，
具体目录是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin\cudart64_101.dll，这个根据个人电脑安装可能有不同

win10安装cuda10.2+tensorflow-GPU 1.14.0
weixin_45674216的博客
04-14 5788
一、问题提出 之前写好的代码都是基于tensorflow 1.14.0的，在自己笔记本上跑太慢了，所以搬到服务器去跑。但是一个很现实的问题就是服务器的CUDA是10.2的，因为服务器有很多人在用，其他人用的是10.2的，而tensorflow 1.14.0对应的CUDA版本是10.0的，我也不太可能去卸载了去重新装一个CUDA，在tensorflow的安装过程中不会出现大的问题，但是在后面运行的时候会报错，会提示找不到：cudart64_100.dll文件，看名称就可以看得出来是64位10.0版本的CUD
TensorFlow2.3.0和cuda10.2的匹配问题
最新发布
m0_49571149的博客
02-16 927
运行代码。
tensorflow2使用CUDA10.2
码农ZZK的博客
11-26 2335
tf2是不支持CUDA10.2的，但我们可以做一个软链接，链接到10.1上 可参考 [解决]tensorflow-gpu2.3与CUDA10.2的兼容问题 dlerror: libcudart.so.10.1: cannot open shared object file 亲测成功
cuda10.2安装GPU的Tensorflow
年少的勇气已经用完，剩下的就是三思而后行
04-26 2465
# 安装 pip install tensorflow-gpu==2.5.0 测试： # 查看tf版本 import tensorflow as tf print(tf.__version__) # 查看主机上运行的设备 import tensorflow as tf gpus = tf.config.experimental.list_physical_devices(device_type='GPU') cpus = tf.config.experimental.list_physical_devi
tensorflow1.12支持cuda10
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.无mkl支持; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 TI 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： bazel build --config=opt --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
Ubuntu安装cuda10.2来用tensorflow2.x和pytorch
tianpeixun的博客
05-13 676
CUDA10.2与tensorflow2.x版本不对应报错问题解决1. 简要2. 前提是你已经正确安装cuda10.2.89，检查：3. 检查GPU：4. OK！！！ 1. 简要 **注：尽量使用TensorFlow2.x推荐版本，以免遇到不必要的问题。** 目前tensorflow2.4.x以下官方标配cuda10.1，也是官方在github给出方案，修改cuda软链接即可，非常简单。也不影响pytorch1.5(cuda10.2.89)的继续使用。 2. 前提是你已经正确安装cuda10.2.89，检查
Windows下编译带CUDA 10.2的TensorFlow 2.2（Python3.8.2，附编译结果下载）
惠很好的
05-19 4587
官方教程说得基本差不多了，然而在此基础上编译还是会出问题，因此做一些补充。 环境准备 1. Python & Pip 首先是Python需要安装一些包，除了官方说的six、numpy、wheel、keras_applications和keras_preprocessing，还需要setuptools（虽然这是个基础包，但是我习惯用虚拟环境了，忘了装……）。因此安装命令如下： pip install six numpy wheel setuptools pip install keras_a
tensorflow2.2+cuda10.2+keras安装踩坑记录
weixin_44537097的博客
08-05 2996
小白的安装踩坑记录描述问题+解决办法timeout（whl文件下载过程中由于下载速度过慢，飙出一大段红字最后显示timeout）安装cudnn如果不幸装的是cuda10.2版本运行时出现一堆报错最后显示：Adding visible gpu devices: 0版本对应问题分享一点装包的经验 描述 由于当初毕设使用的pytorch，故cuda直接装的最新版10.2（在此建议别装10.2，装其他低版本的如10.0），最近安装tensorflow2.2+keras的时候遇到了各种各样的问题，要是不记录一下感觉坑
win10+cuda10.2+cudnn7.6.5+MX350安装tensorflow-gpu及可能遇到的问题
weixin_44424340的博客
07-17 2975
断断续续装了好久，每次遇到问题解决不了就拖一拖，过段时间再下定决心继续装，心里想着等我装成功了一定要写篇文章记录一下回报社会，今天终于装好啦哈哈哈哈哈哈。其实装好再看确实不难，就是装的时候一遇到问题会觉得麻烦，尤其是百度的方法都试了还解决不了的时候。以后要再耐心一点，慢慢改掉拖延症！我的电脑是联想小新15 2020，显卡MX350。 一、安装步骤 1、安装Anaconda Anaconda下载地址：https://www.anaconda.com/products/individual 根据自己的电脑选择对
2020年最新WIN10系统安装10.2CUDA和CUDNN和TensorFlow和pytorch教程
Q632655672的博客
08-31 1508
1.下载cuda和cudnn CUDA：https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html cuDNN：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows 官网下载速度慢，已上传，可以直接下 这里我下载的版本是 先下载 链接：https://pan.baidu.com/s/15SRGSE
支持CUDA10的tensorflow-gpu轮子
11-29
这个文件是一个tensorflow的GPU版本的轮子，通过这个轮子，你可以在最新的CUDA10和CUDNN10.0上使用GPU训练你的模型
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
Ubuntu tensorflow2.X 调用cuda10.2
unsterbliche的博客
04-11 1004
已经安装了CUDA 10.2，然后才发现TensorFlow 2.2只支持CUDA 10.1，CUDA10.2没有对应的tensorflow版本。采取下面的办法建一个软链接即可。 注意，我的cuda安装在conda虚拟环境里，不使用根目录里安装的cuda ln -s ~/anaconda3/envs/pytorch/lib/libcudart.so.10.2.89 ~/anaconda3/envs/pytorch/lib/libcudart.so.10.1 相关：conda创建虚拟环境 和
win10安装cuda10.2+tensorflow 1.14.0
耶律大石的博客
08-27 5292
背景 最近为了跑yolov5，我要安装pytorch，然后将cuda 10.0升级到了cuda10.2.pytorch是没问题了，但是我再运行我的yolo v4（tensorflow框架）代码时发现运行不了了，提示：cudart64_100.dll找不到，但是我现在是cuda 10.2了，他还在找cuda10.0。 然后网上各种说cuda 10.2没有对应的tensorflow版本，我就觉得再装回去太麻烦了。下面是我的解决办法。 重新安装tensorflow-GPU步骤 创建环境 conda create
关于tensorflow 2.2 使用cuda10.2的相关
Elysion_Daniel的博客
03-30 1000
因为我这边是主要使用pytorch进行工作的，但是现在有个需求需要用tensorflow，已经很久没有用这个的我，有点发愁，应该装什么版本，查了一下，说是2.2和2.3都是支持cuda10.1，但是2.4就是支持11.0了，可我pytorch1.5需要用10.2啊，一番搜索之后，其实很简单，在cuda文件目录下，将两个库建一个链接改为10.1即可 cd /usr/local/cuda/lib64 sudo ln -s libcudart.so.10.2.89 libcudart.so.10.1 sud
CUDA10.2下安装tensorflow-gpu2.0.0版本注意事项
热门推荐
yuanzhen_0128的博客
05-31 1万+
CUDA10.2下安装tensorflow-gpu2.0.0版本注意事项 最近新入手了一台i5-10200U的CPU，有一个极为鸡肋的MX250显卡（2G），且经得起造的ThinkPad T490笔记本电脑，为将来的移动办公做准备。今天突然心血来潮想试试它能不能用cuda的加速，去了NVIDIA的官网查询后，发现这块鸡肋N卡还真的支持cuda加速，就这样花了大半天的时间将cuda安装好后，并进行了一个CNN的网络训练。 一、安装准备 需要在你的NVIDIA控制面板→右下角系统信息→组件，去查看你的NVCUD
基于win10+CUDA10.2+cuDNN+Anaconda的Tensorflow(GPU) & PyTroch安装
abbott_zb的博客
12-03 5592
一. 电脑配置如下： 写在前面，本机的电脑配置如下： System：windows 10 专业版 （64位） CPU：i5-9400F RAM：16G（2666MHz） 显卡：GEFORCE GTX 1660 Ti （万图师 Ti OC） 首先，在安装之前需要查看显卡所能支持的最高CUDA版本，打开【NVIDIA控制面板】，选择左下角的【系统信息】选项，并点击【组件】按钮进入到如下界面：...
解决Windows下CUDA10.2与TensorFlow兼容性问题
2. 下载并安装CUDA 10.2：访问NVIDIA官方网站下载Windows版本的CUDA 10.2，注意下载对应的安装程序，通常包含有设置环境变量的选项，以便系统能够识别和使用CUDA。 3. 安装cuDNN：从NVIDIA网站下载适合CUDA 10.2的...
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