windows10+python3.7 + Tensorflow-gpu2.3.0 深度学习环境配置

最新推荐文章于 2023-09-08 00:47:05 发布
原创 最新推荐文章于 2023-09-08 00:47:05 发布 · 置顶 · 3k 阅读 · 14 ·
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。

  1. 在桌面右击选择NVIDIA控制面板点击后点击帮助下拉菜单下的系统信息如图所示查看自己电脑GPU对应的CUDA版本查看英伟达GPU的CUDA版本
  2. 到英伟达官网下载自己电脑对应版本的CUDA(如上图所示我的电脑对应的是CUDA10.1),并下载其对应的CUDNN,然后安装（具体安装步骤自己百度）。
  3. CUDA以及CUDNN安装后,在PATH中添加如下环境变量：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
  1. 安装VC++2019(如已安装请跳过这一步)，点击下载链接 提取码：irkt.
  2. 安装如下三个Python库:numpy、scipy和curses(注意numpy和scipy不能是通过pip install numpy或pip install scipy直接安装的)如果没有点击
最低0.47元/天 解锁文章
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 2648
在Linux服务器anaconda环境下离线安装tensorflow-gpu2.3.0版本（python 3.7）
【Tensorflow2安装】Tensorflow2.3-CPU安装避坑指南！！！
Tobi
05-14 3295
注意 1、本文是针对CPU版本的TensorFlow 2.3.0的安装避坑指南，GPU版本请勿抱有侥幸心理参考本篇文章。 2、不要盲目相信Anaconda的conda install！！！anaconda也是有版本的，不同的版本适用的python版本不同，更致命的是conda install会自动安装相关依赖库，但是安装的依赖库的版本存在不兼容不支持问题！ 本人就在第2点这个大坑挣扎许久： （1）跳坑方案一：使用conda create -n xxx tensorflow=2.3.0一步到位，结果：
Tensorflow 2.3.0（比最新版本低一般）完整安装教程-2020/10/12
wanna__ac的博客
10-12 1万+
首先，安装这个东西，我折腾了快半个月，说我菜也认，主要是没有个好的教程，以及有很多版本匹配问题，于是在安装好Tensorflow后，我也出个教程，这个教程只要跟着走，基本没有问题，最好是从头开始，不然一些乱七八糟的依赖报错，我也搞不定 先简单写几个要注意的点 tensorflow2.3.0版本要安装对应的python版本为3.5-3.7，而你在anaconda官网下的最新版带的python版本是3.8.？，肯定是不行的，这东西初学者不要试图安装最新的，出了问题没得找 安装Tensorflow的GPU版本，
tensorflow-gpu 2.3.0安装 及 相关对应版本库安装（Anaconda安装）
m0_51440939的博客
07-09 9637
对于anaconda的下载，网上的教程很多，而且很方便，我就不在这里赘述了打开我们的anaconda的控制台，点击这个蓝圈的这个，输入下方的代码 在这里我创造了一个虚拟环境去安装相关的包，大家按照自己的需要来，代码如下 ttt是自己创建的环境的名字(大家自行取即可)，python=3.6 代表创建的python版本为3.6输入y代表同意创建接下来我们输入下面这行代码去进入我们的虚拟环境中 在安装tensorflow-gpu2.3.0之前，必须要先配置好cudatoolkit和cudnn，这个可以直接
tensorflow-gpu=2.3.0安装和加速测试
爱听许嵩歌的博客
06-24 3345
安装tensorflow-gpu=2.0，代码为： conda install numpy pandas matplotlib scikit-learn scipy tensorflow-gpu==2.0 测试代码： import tensorflow as tf import timeit import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 代码用于忽略级别 2 及以下的消息（级别 1 是提示，级别 2 是警告，级别 3 是错误）。 with
Windows10 配置深度学习环境(使用本地GPU，配置Visual Studio 2017 + CUDA 10.1 + TensorFlow-GPU 2.3.0)
weixin_41035425的博客
09-04 5145
最近需要使用TensorFlow来做一个深度学习相关的项目，涉及大量的矩阵运算，如果仅仅使用本地的CPU来运算，这个训练的时间就会比较久。虽然可以借助谷歌的colab平台来进行在线的训练，但是始终有各种各样的限制。所以直接使用本地的GPU来做相对来说会比较方便快捷一些。但是，要想使用本地的GPU，还需经过九九八十一难，各种各样的环境配置和软件安装。由于我也是第一次在本地配置这样的环境，经过各种各样的坑之后，终于配置完成了，在此跟大家详细的分享一下我配置的整个过程。 在此之前就已经安装使用了Anaconda
win10 python3 安装 Tensorflow-gpu 问题及解决
Dcurry的博客
09-16 525
这里写自定义目录标题准备工作： win10 下， python3.6安装Tensorflow-gpu 2.0.0完成. 准备工作： win10 下， python3.6安装Tensorflow-gpu 2.0.0完成. 一开始直接用pycharm 的setting下载tensorflow2.0.0版本，出错。 网络上建议我更新pip和setuptools，然而 这样，我就选择用pip install tensorflow，结果还是不行，第一下载太慢，第二最后还是会提醒出错。于是我在考虑是否是版本的原因。我
精选资源
h5py-2.10.0 和 tensorflow-2.2.0 基于Python3.7-none-linux_armv7l 树莓派4B
01-22
tensorflow-2.4.0-cp37-none-linux_armv7l.whl 和 h5py-2.10.0-cp37-cp37m-linux_armv7l.whl，已经编译好的，在树莓派4B上验证通过，先更换阿里源，再安装h5py，最后安装TensorFlow
机器学习-Tensorflow和Pytorch库GPU版本安装
shmilyhnhb的博客
09-08 369
打开cmd，首先创建虚拟环境，分别输入以下两条命令，完成虚拟环境的创建和激活。打开cmd，首先创建虚拟环境，分别输入下面两条命令，完成虚拟环境的创建和激活。2、2、也可以使用conda env remove命令删除单个环境。1、使用conda remove命令可以删除单个环境。首先需要使用conda安装cuda和cudnn。如果输出为True则表示GPU可以使用。如果输出为True则表示GPU可以使用。
Spyder下TensorFlow环境中找不到pip已安装过的包的问题
子妮姐的技术世界
02-10 2228
明明安装了numpy,pandas等，但是打开spyder(tensorflow) 之后，import 他们总是报错，找不到Nomodulenamednumpy云云 查了一下，在Anaconda Prompt中输入 activate tensorflow进入tensorflow的虚拟环境，pip list一看，果然没有numpy,pandas...... 解决办法：在tensorflow...
TensorFlow版本配套关系表
03-04
tensorflow版本配套关系表，官方出品，可供参考使用，最新到1.6
conda tensorflow_win10+tensorflow-gpu2.3.0+python环境搭建
weixin_39977642的博客
11-24 634
1 安装Anaconda3 2 查验显卡 适用的CUDA最高版本为10.2.1203 用conda创建环境tensorflow（在tensorflow环境中进行如下操作） 打开Anaconda Prompt 命令行执行本文所有操作： 查看conda的channels： conda config --show 移除之前的源： conda config ...
tensorflow对应numpy_Tensorflow（GPU）与Numpy
weixin_39725924的博客
01-17 3296
所以我有两个使用梯度下降的线性回归的实现。一个在Tensorflow，一个在Numpy。我发现Numpy中的那个比Tensorflow快3倍。这是我的密码-张量流：class network_cluster(object):def __init__(self, data_frame, feature_cols, label_cols):self.init_data(data_frame, feat...
tensorflow 与numpy 版本不匹配
weixin_47884524的博客
02-23 1921
最全tensorflow，PyTorch ，numpy和keras 版本匹配汇总_源代码杀手的博客-优快云博客_numpy和pytorch版本。原文链接：https://blog.csdn.net/Joyce_Ff/article/details/103534152。可以看这个：https://docs.floydhub.com/guides/environments/keras、tensorflow版本对应问题。2、numpy的版本问题。
Tensorflow 2.3 GPU安装
꧁༺ʚvv༒catɞ༻꧂的博客
05-19 1553
以下 64 位系统支持 TensorFlow: Ubuntu 16.04 或更高版本 Windows 7 或更高版本 macOS 10.12.6（Sierra） 或更高版本（不知处GPU） Raspbian 9.0 或更高版本 安装Python版本要求 Python 3.5 — 3.7 下载 ANACONDA 对 Python版本和第三方库进行管理 Tensorflow GPU 版本安装 安装GPU版本必须有GPU硬件的支持。 TensorFlow 对 NVIDIA 显卡的支持较为完备 可以使用
Tensorflow 2.3.0（比最新版本第一版） Numpy Matplotlib Scipy
wanna__ac的博客
11-05 3544
标题利用python进行科学计算、数据处理基本上离不开 Numpy Scipy Matplotllib三个库 比如利用numpy的mat()方法建立一个数据矩阵，python3的循环语句 import numpy as np # 可以理解为数据库的数据，也可以理解为一个矩阵的运算 data = np.mat([[1,200,105,3,False],[2,165,80,2,False],[3,184,120,2,False]]) # 将numpy引入重命名为np并使用mat()方法建立数据矩阵 row=0
tensorflow与numpy版本对应问题
热门推荐
Zoran的博客
09-23 1万+
Using TensorFlow backend. ModuleNotFoundError: No module named ‘numpy.core._multiarray_umath’ ImportError: numpy.core.multiarray failed to import The above exception was the direct cause of the following exception: Traceback (most recent call last): File “
Anaconda,python,Numpy,Tensorflow2等配置
夜晓岚的博客
09-05 813
Numpy:https://pypi.org/project/numpy/#history
tensorflow如何保存和读取模型参数
donkey_1993的博客
12-19 3914
#定义保存的路径 checkpoint_path = "zzw/zzw.ckpt" checkpoint_dir = os.path.dirname(checkpoint_path) cp_callback = tf.keras.callbacks.ModelCheckpoint(checkpoint_path, ...
python3.11的pycharm配置tensorflow-gpu
最新发布
03-19
### 配置 Python 3.11 和 PyCharm 的 TensorFlow-GPU 环境 在 Python 3.11 下配置 TensorFlow-GPU 环境可能会遇到一些兼容性问题，因为 TensorFlow 官方并不完全支持最新的 Python 版本。以下是详细的解决方案： #### 兼容性注意事项 TensorFlow 对 Python 版本的支持有限。根据官方文档[^2]，TensorFlow 2.3.0 支持的最高 Python 版本为 3.8。因此，在尝试安装 TensorFlow-GPU 之前，请确认所使用的 Python 版本是否被支持。 如果强制使用不支持的 Python 版本（如 Python 3.11），可能需要手动调整依赖项并解决潜在冲突。 --- #### 解决方案 ##### 方法一：降级至受支持的 Python 版本 建议将 Python 版本降至 3.7 或 3.8，这是 TensorFlow 2.x 的推荐版本范围。可以通过以下方式实现： ```bash conda create -n tf_env python=3.8 conda activate tf_env ``` 随后按照标准流程安装 TensorFlow-GPU： ```bash pip install tensorflow-gpu==2.3.0 ``` 此方法可以有效避免因高版本 Python 导致的兼容性问题[^1]。 --- ##### 方法二：继续使用 Python 3.11 并处理依赖关系 如果必须坚持使用 Python 3.11，则需注意以下几点： 1. **检查 CUDA 和 cuDNN 版本** TensorFlow-GPU 要求特定版本的 NVIDIA CUDA Toolkit 和 cuDNN 库。对于 TensorFlow 2.3.0，应匹配 CUDA 10.1 和 cuDNN 7.6。可通过以下命令验证已安装的驱动程序版本： ```bash nvcc --version cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 ``` 2. **安装 NumPy 的适配版本** 如果存在 `ImportError` 提示与 NumPy 不兼容的情况，可卸载当前版本并重新安装指定版本的 NumPy： ```bash pip uninstall numpy pip install numpy==1.19.5 ``` 这一步骤有助于修复常见的导入错误[^3]。 3. **安装 TensorFlow-GPU** 使用清华镜像源加速安装过程： ```bash pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow-gpu==2.3.0 ``` 4. **测试环境** 创建简单的脚本来验证 TensorFlow 是否成功加载 GPU 设备： ```python import tensorflow as tf gpus = tf.config.list_physical_devices(&#39;GPU&#39;) if gpus: print(f"Detected {len(gpus)} GPUs") else: print("No GPU detected.") ``` --- #### 在 PyCharm 中配置 TensorFlow-GPU 环境 完成上述步骤后，还需设置 PyCharm 来识别虚拟环境中的 TensorFlow-GPU： 1. 打开 PyCharm 设置 (`File -> Settings`)。 2. 转到 `Project: <your_project_name> -> Python Interpreter`。 3. 添加新的解释器路径指向 Conda 或 Pip 创建的虚拟环境目录。 4. 确认项目文件夹下的 `.venv` 文件已被正确关联。 --- ###
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

打赏作者

訾尤

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