anaconda 4.10.1+tensorFlow 2.5.0+CUDA 11.2.2_461.33 - cudnn 11.3 -傻瓜教程

本文详细介绍如何搭建GPU开发环境,包括Anaconda、CUDA、cuDNN的安装步骤及环境变量配置,最后通过安装TensorFlow-GPU验证环境搭建是否成功。
部署运行你感兴趣的模型镜像

由于有的软件需要翻墙所以打个包  放在这里 : https://pan.baidu.com/s/1ZhtXlvZvXn7SVMbCVoICwA 提取码: g2xy

1.Anaconda安装

下载地址:https://docs.anaconda.com/anaconda/install/

 

双击安装

下一步

同意

下一步

下一步

红框选中点击安装

下一步

下一步

结束

打开命令行输入:conda list 出现如下界面表示完成。

2.CUDA安装

下载地址:https://developer.nvidia.com/cuda-toolkit-archive

双击安装

点击ok

同意并继续

选择自定义安装并点击下一步

红框点击然后下一步(取消应用软件和visual 相关)

下一步

下一步

关闭

3.安装cudnn

下载地址:https://developer.nvidia.com/rdp/cudnn-download    (需要登陆)

红框内选中,点击第二个红框

下载红框内的文件

解压到当前文件夹,重命名为cudnn,然后将文件夹拷贝到cuda的版本目录下(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2)

4.配置环境变量

我的电脑右键选择属性,选择高级系统设置,选择环境变量

选择系统变量的Path,点击编辑,然后点击新建,添加  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\CUPTI\lib64

并上升到第三个

然后添加 cudnn路径 上升到第四个 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\cudnn\bin

然后都点击确定

查看是否安装成功,如上图表示成功

5.安装tensorflow

命令行下执行 pip install --upgrade tensorflow-gpu (这个是Gpu版本)

.

测试是否成功,命令行下 输入ipython

显示存储大小和True表示成功。

 

 

 

 

 

 

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

graspnet) xiaobei@xiaobei-Legion-Y9000P-IRX9:~/lianxi_ws/src/graspnet-baseline/pointnet2$ conda search cudnn -c conda-forge Loading channels: done # Name Version Build Channel cudnn 5.1 0 anaconda/pkgs/free cudnn 5.1.10 cuda7.5_0 anaconda/pkgs/free cudnn 5.1.10 cuda8.0_0 anaconda/pkgs/free cudnn 6.0 0 anaconda/pkgs/free cudnn 6.0.21 cuda7.5_0 anaconda/pkgs/free cudnn 6.0.21 cuda8.0_0 anaconda/pkgs/free cudnn 7.0.5 cuda8.0_0 anaconda/pkgs/main cudnn 7.0.5 cuda8.0_0 pkgs/main cudnn 7.1.2 cuda9.0_0 anaconda/pkgs/main cudnn 7.1.2 cuda9.0_0 pkgs/main cudnn 7.1.3 cuda8.0_0 anaconda/pkgs/main cudnn 7.1.3 cuda8.0_0 pkgs/main cudnn 7.2.1 cuda9.2_0 anaconda/pkgs/main cudnn 7.2.1 cuda9.2_0 pkgs/main cudnn 7.3.1 cuda10.0_0 anaconda/pkgs/main cudnn 7.3.1 cuda10.0_0 pkgs/main cudnn 7.3.1 cuda9.0_0 anaconda/pkgs/main cudnn 7.3.1 cuda9.0_0 pkgs/main cudnn 7.3.1 cuda9.2_0 anaconda/pkgs/main cudnn 7.3.1 cuda9.2_0 pkgs/main cudnn 7.6.0 cuda10.0_0 anaconda/pkgs/main cudnn 7.6.0 cuda10.0_0 pkgs/main cudnn 7.6.0 cuda10.1_0 anaconda/pkgs/main cudnn 7.6.0 cuda10.1_0 pkgs/main cudnn 7.6.0 cuda9.0_0 anaconda/pkgs/main cudnn 7.6.0 cuda9.0_0 pkgs/main cudnn 7.6.0 cuda9.2_0 anaconda/pkgs/main cudnn 7.6.0 cuda9.2_0 pkgs/main cudnn 7.6.4 cuda10.0_0 anaconda/pkgs/main cudnn 7.6.4 cuda10.0_0 pkgs/main cudnn 7.6.4 cuda10.1_0 anaconda/pkgs/main cudnn 7.6.4 cuda10.1_0 pkgs/main cudnn 7.6.4 cuda9.0_0 anaconda/pkgs/main cudnn 7.6.4 cuda9.0_0 pkgs/main cudnn 7.6.4 cuda9.2_0 anaconda/pkgs/main cudnn 7.6.4 cuda9.2_0 pkgs/main cudnn 7.6.5 cuda10.0_0 anaconda/pkgs/main cudnn 7.6.5 cuda10.0_0 pkgs/main cudnn 7.6.5 cuda10.1_0 anaconda/pkgs/main cudnn 7.6.5 cuda10.1_0 pkgs/main cudnn 7.6.5 cuda10.2_0 anaconda/pkgs/main cudnn 7.6.5 cuda10.2_0 pkgs/main cudnn 7.6.5 cuda9.0_0 anaconda/pkgs/main cudnn 7.6.5 cuda9.0_0 pkgs/main cudnn 7.6.5 cuda9.2_0 anaconda/pkgs/main cudnn 7.6.5 cuda9.2_0 pkgs/main cudnn 7.6.5.32 h01f27c4_0 conda-forge cudnn 7.6.5.32 h01f27c4_1 conda-forge cudnn 7.6.5.32 h5754881_0 conda-forge cudnn 7.6.5.32 h5754881_1 conda-forge cudnn 7.6.5.32 ha8d7eb6_0 conda-forge cudnn 7.6.5.32 ha8d7eb6_1 conda-forge cudnn 7.6.5.32 hc0a50b0_0 conda-forge cudnn 7.6.5.32 hc0a50b0_1 conda-forge cudnn 8.0.5.39 h01f27c4_1 conda-forge cudnn 8.0.5.39 ha5ca753_1 conda-forge cudnn 8.0.5.39 hc0a50b0_1 conda-forge cudnn 8.1.0.77 h469e712_0 conda-forge cudnn 8.1.0.77 h90431f1_0 conda-forge cudnn 8.2.0.53 h2c0ae14_0 conda-forge cudnn 8.2.0.53 h86fa8c9_0 conda-forge cudnn 8.2.1 cuda11.3_0 anaconda/pkgs/main cudnn 8.2.1 cuda11.3_0 pkgs/main cudnn 8.2.1.32 h2c0ae14_0 conda-forge cudnn 8.2.1.32 h86fa8c9_0 conda-forge cudnn 8.3.2.44 hed8a83a_0 conda-forge cudnn 8.3.2.44 hed8a83a_1 conda-forge cudnn 8.4.0.27 hed8a83a_0 conda-forge cudnn 8.4.0.27 hed8a83a_1 conda-forge cudnn 8.4.1.50 hed8a83a_0 conda-forge cudnn 8.8.0.121 h0800d71_0 conda-forge cudnn 8.8.0.121 h0800d71_1 conda-forge cudnn 8.8.0.121 h10b603f_5 conda-forge cudnn 8.8.0.121 h264754d_2 conda-forge cudnn 8.8.0.121 h264754d_3 conda-forge cudnn 8.8.0.121 h264754d_4 conda-forge cudnn 8.8.0.121 h459966d_0 conda-forge cudnn 8.8.0.121 h459966d_1 conda-forge cudnn 8.8.0.121 h56904bc_3 conda-forge cudnn 8.8.0.121 h56904bc_4 conda-forge cudnn 8.8.0.121 h838ba91_2 conda-forge cudnn 8.8.0.121 h838ba91_3 conda-forge cudnn 8.8.0.121 h838ba91_4 conda-forge cudnn 8.8.0.121 hcdd5f01_4 conda-forge cudnn 8.8.0.121 hcdd5f01_5 conda-forge cudnn 8.8.0.121 hd5ab71f_4 conda-forge cudnn 8.9.1.23 h10b603f_0 conda-forge cudnn 8.9.1.23 hcdd5f01_0 conda-forge cudnn 8.9.2.26 cuda11_0 anaconda/pkgs/main cudnn 8.9.2.26 cuda11_0 pkgs/main cudnn 8.9.2.26 cuda12_0 anaconda/pkgs/main cudnn 8.9.2.26 cuda12_0 pkgs/main cudnn 8.9.7.29 h092f7fd_3 conda-forge cudnn 8.9.7.29 h10b603f_0 conda-forge cudnn 8.9.7.29 h10b603f_1 conda-forge cudnn 8.9.7.29 h10b603f_2 conda-forge cudnn 8.9.7.29 h56904bc_1 conda-forge cudnn 8.9.7.29 hbc23b4c_3 conda-forge cudnn 8.9.7.29 hcdd5f01_0 conda-forge cudnn 8.9.7.29 hcdd5f01_2 conda-forge cudnn 9.1.1.17 cuda12_0 anaconda/pkgs/main cudnn 9.1.1.17 cuda12_0 pkgs/main cudnn 9.1.1.17 cuda12_1 anaconda/pkgs/main cudnn 9.1.1.17 cuda12_1 pkgs/main cudnn 9.2.1.18 h93471f6_0 conda-forge cudnn 9.2.1.18 hbc370b7_0 conda-forge cudnn 9.3.0.75 h3e9b439_1 conda-forge cudnn 9.3.0.75 h50b6be5_1 conda-forge cudnn 9.3.0.75 h62a6f1c_2 conda-forge cudnn 9.3.0.75 h93bb076_0 conda-forge cudnn 9.3.0.75 hc149ed2_0 conda-forge cudnn 9.3.0.75 hf36481c_2 conda-forge cudnn 9.7.1.26 h50b6be5_0 conda-forge cudnn 9.7.1.26 h969bcc4_0 conda-forge cudnn 9.8.0.87 h81d5506_0 conda-forge cudnn 9.8.0.87 h81d5506_1 conda-forge cudnn 9.8.0.87 hf36481c_0 conda-forge cudnn 9.8.0.87 hf36481c_1 conda-forge cudnn 9.9.0.52 h81d5506_0 conda-forge cudnn 9.9.0.52 hf36481c_0 conda-forge cudnn 9.10.0.56 h0fdc2d1_0 conda-forge cudnn 9.10.0.56 h0fdc2d1_1 conda-forge cudnn 9.10.0.56 h0fdc2d1_2 conda-forge cudnn 9.10.0.56 hcd2ec93_0 conda-forge cudnn 9.10.0.56 hcd2ec93_1 conda-forge cudnn 9.10.0.56 hcd2ec93_2 conda-forge cudnn 9.10.1.4 h7646684_0 conda-forge cudnn 9.10.1.4 haad7af6_0 conda-forge cudnn 9.10.1.4 hbcb9cd8_1 conda-forge
最新发布
07-31
<think>我们正在尝试为CUDA 11.7安装cuDNN 8.5.0.96版本。根据引用[1],CUDA 11.7兼容cuDNN 8.4.x至8.6.x。因此,8.5.0.96在兼容范围内。但是,在conda-forge中,我们可能无法找到精确的8.5.0.96版本,因为conda-forge通常使用简化的版本号(如8.5.0)来打包,而内部包含的具体小版本可能符合要求。 ### 步骤1:在conda-forge中搜索可用的cuDNN版本 我们可以使用以下命令搜索conda-forge中为CUDA 11.7构建的cuDNN 8.5.x版本: ```bash conda search -c conda-forge cudnn=8.5 ``` ### 步骤2:分析搜索结果 执行上述命令后,可能会看到类似以下输出(示例): ``` # Name Version Build Channel cudnn 8.5.0 cuda11.7_0 conda-forge cudnn 8.5.0 cuda11.7_1 conda-forge cudnn 8.5.0 cuda11.7_2 conda-forge ``` 这里,`cuda11.7`表示该cuDNN版本是为CUDA 11.7编译的。conda-forge的包通常不指定小版本(如8.5.0.96),而是使用主版本(8.5.0)。但我们可以通过查看包的详细元数据来确认其内部包含的cuDNN版本。 ### 步骤3:安装特定构建版本 选择其中一个构建版本(例如`cuda11.7_2`)进行安装: ```bash conda install -c conda-forge cudnn=8.5.0=cuda11.7_2 ``` ### 步骤4:验证安装 安装后,我们可以通过以下Python代码验证cuDNN版本: ```python import torch print(torch.backends.cudnn.version()) # 输出应为8500(对应8.5.0) ``` 或者,如果使用TensorFlow,可以: ```python from tensorflow.python.platform import build_info print(build_info.build_info[&#39;cudnn_version&#39;]) ``` ### 备选方案:如果conda-forge中没有8.5.0.96 如果conda-forge中没有提供8.5.0.96,但提供了8.5.0的其他构建版本,这些版本通常已经包含了最新的补丁(可能包括8.5.0.96)。因为NVIDIA的cuDNN版本规则中,主版本(8.5.0)一致即可兼容,小版本的更新通常不会影响API兼容性。 ### 手动安装(如果conda安装失败) 如果conda-forge提供的8.5.0版本无法满足要求(例如需要特定补丁),则考虑手动安装: 1. 从NVIDIA官网下载cuDNN 8.5.0.96 for CUDA 11.7(需要注册)[^1]。 2. 解压后复制文件到conda环境的CUDA目录: ```bash tar -xzvf cudnn-11.7-linux-x64-v8.5.0.96.tgz cp -r cuda/include/* $CONDA_PREFIX/include/ cp -r cuda/lib64/* $CONDA_PREFIX/lib/ ``` ### 注意事项 - 确保conda环境中的CUDA工具包版本为11.7(可通过`conda list cudatoolkit`检查)。 - 如果同时安装了多个版本的cuDNN,可能会发生冲突,建议在干净环境中操作。 ### 相关问题 1. 如何检查当前conda环境中的CUDA版本? 2. 如何解决安装cuDNN后的动态库加载错误? 3. 为什么GraspNet-Baseline需要特定版本的cuDNN?</think>### 在 conda-forge 中找到与 CUDA 11.7 兼容的 cuDNN 8.5.0.96 版本指南 #### 步骤 1:确认 conda-forge 中的可用版本 执行以下命令搜索 conda-forge 中所有兼容 CUDA 11.7 的 cuDNN 版本: ```bash conda search "cudnn[version>=&#39;8.5&#39;,version<&#39;8.6&#39;]" -c conda-forge --info ``` #### 步骤 2:识别等效版本 根据引用[1],CUDA 11.7 兼容 cuDNN 8.4.x-8.6.x[^1]。在 conda-forge 中,等效版本通常以以下形式存在: ``` cudnn 8.5.0.* cuda11.7_* ``` 例如: - `cudnn=8.5.0=cuda11.7_0` - `cudnn=8.5.0=cuda11.7_1` 这些版本内部包含的 cuDNN 库文件通常就是 `8.5.0.96` 或兼容版本,因为: 1. 主版本号 `8.5.0` 表示 API 兼容性 2. `cuda11.7` 标签确保与 CUDA 11.7 的兼容性 3. 末尾的 `_0`、`_1` 是构建编号,不影响核心功能 #### 步骤 3:安装最佳匹配版本 选择构建日期最新的版本(通常编号最大): ```bash conda install -c conda-forge cudnn=8.5.0=cuda11.7_2 ``` #### 步骤 4:验证安装 ```python import torch print(f"cuDNN 版本: {torch.backends.cudnn.version()}") # 输出应为 8500(对应 8.5.0) ``` #### 备选方案:精确版本安装 若必须使用精确的 `8.5.0.96`,可通过 pip 安装: ```bash pip install nvidia-cudnn-cu11==8.5.0.96 ``` 然后设置环境变量: ```bash export LD_LIBRARY_PATH=$CONDA_PREFIX/lib:$LD_LIBRARY_PATH ``` #### 版本兼容性说明 CUDA 11.7 与 cuDNN 版本的兼容关系: | CUDA 版本 | 推荐 cuDNN | 兼容范围 | |-----------|------------|--------------| | 11.7 | 8.5.0 | 8.4.x-8.6.x | 主版本号相同(如 8.5.x)即可保证 API 兼容性[^1],小版本差异通常只包含安全补丁和性能优化。 ### 相关问题 1. 如何检查 conda 环境中的 CUDAcuDNN 版本是否匹配? 2. 安装 cuDNN 后出现 `libcudnn.so.8: cannot open shared object file` 错误如何解决? 3. 为什么 GraspNet-Baseline 需要特定版本的 cuDNN4. 如何为不同 CUDA 版本安装兼容的 PyTorch? [^1]: cuDNN版本必须与CUDA版本严格匹配,以下是常见组合
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
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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