windows10配置tensorflow深度学习环境(GPU版)各种坑

我们配置一个tensorflow-gpu版的深度学习环境

windows10 64

python3.5

vs2017(需要C++部分)

cuda9.0

cudnn7.1

GeForce GTX1060

1.安装python

我们选择python3.5,直接从官网下载windows10版本的安装就行,可以选择默认安装路径,并添加环境变量。

测试打卡cmd,输入python,输出python的版本信息

则安装成功

2.安装vs2017

3.安装cuda

首先要确保你的电脑上装了一块差不多的显卡

我们选择cuda9.0,因为现在的tensorflow版本已经很新了,基本上不需要低版本的cuda。同样的我们从官网下载cuda9.0版本,并默认路径安装(你也可以装在其他盘)

添加环境变量

配置环境变量,右击我的电脑->属性->高级系统设置->高级->环境变量,新建环境变量

测试是否安装成功,打开cmd,输入nvcc -V

如正确输出cuda的版本信息,则安装成功

4.安装cudnn

根据cuda9.0的版本,我们选择cudnn7.1,到cudnn官网下载对应版本for windows10,是一个压缩包

解压出来,把解压的文件拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0文件目录下,覆盖

下载地址:https://developer.nvidia.com/rdp/cudnn-download

解压后覆盖到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0目录即可。

5.安装pip

如果你的电脑没装pip,还要安装pip,因为我们使用pip安装tensorflow-gpu

请自行百度

6.pip安装tensorflow

以上工作都成功的话,我们就可以安装tensorflow了,

pip3 install tensorflow-gpu

如果安装报错的话,是网络不好,时间等待的缘故,可以通过设定超时时间解决

pip3 --default-timeout=10000 install tensorflow-gpu

参考:https://wenwen.sogou.com/z/q798371922.htm

实际上这样就可以安装成功了,但是在我的电脑上出现了问题,装的版本是tensorflow-1.10,在python环境下载入tensorflow报错,网上搜了一下,找到了原因

我的电脑的cpu比较老(为了省钱)是g4600,不能用太新版本的tensorflow,如果你的电脑是较新的cpu,就应该没问题,我的只能i卸载重装

pip3 uninstall tensorflow-gpu

然后指定tensorflow的版本为1.5,就成功解决了

pip3 install tensorflow-gpu==1.5

参考:https://blog.csdn.net/fhqlongteng/article/details/80279197

https://www.imooc.com/article/40620

测试

当然也可以创建一个文件hello_tensor.py,输入内容如下:

import tensorflow as tf

hello = tf.constant(‘Hello, TensorFlow!‘)

sess = tf.Session()

print(sess.run(hello))

a = tf.constant(10)

b = tf.constant(32)

print(sess.run(a+b))

接下来就可以愉快的深度学习了....................

原文地址:https://www.cnblogs.com/feifanrensheng/p/9502214.html

时间: 2024-11-18 14:54:36

windows10配置tensorflow深度学习环境(GPU版)各种坑的相关文章

[AI开发]centOS7.5上基于keras/tensorflow深度学习环境搭建

这篇文章详细介绍在centOS7.5上搭建基于keras/tensorflow的深度学习环境,该环境可用于实际生产.本人现在非常熟练linux(Ubuntu/centOS/openSUSE).windows上该环境的搭建 :) 前面三篇博客代码实现均基于该环境(开发或者测试过): [AI开发]Python+Tensorflow打造自己的计算机视觉API服务 [AI开发]基于深度学习的视频多目标跟踪实现 [AI开发]视频多目标跟踪高级版 运行环境 1) centOS 7.5 ,不要安装GUI桌面:

Windows10+Anaconda3下深度学习环境创建。安装tensorflow(cpu版),theano,keras

一.安装Tensorflow9=(cpu版) 在cmd(命令行窗口win+R+输入cmd)或者Anaconda里,进入虚拟环境(conda activate + 虚拟环境名(不加,默认Base)),直接conda install tensorflow,然后自动下载相关依赖包 二.安装Theano 1.安装g++编译器(Theano需要g++编译器支持):conda install mingw libpython 2.安装Theano:输入conda install theano 3.导入后报错:

Anaconda3配置TensorFlow深度学习库

前言:目前Google已经发布了TensorFlow的Windows版本,只支持64位Python3.5,我们使用Anaconda3配置使用. 1.下载Anaconda3并打开Anaconda Navigator URL:https://www.continuum.io/downloads 2.新建TensorFlow环境 3.打开TensorFlow终端 并输入以下命令 pip install --ignore-installed --upgrade https://storage.googl

Ubuntu18.04 + CUDA9.0 + cuDNN7.3 + Tensorflow-gpu-1.12 + Jupyter Notebook深度学习环境配置

目录 一.Ubuntu18.04 LTS系统的安装 1. 安装文件下载 2. 制作U盘安装镜像文件 3. 开始安装 二.设置软件源的国内镜像 1. 设置方法 2.关于ubuntu镜像的小知识 三.Nvidia显卡驱动的安装 1. 首先查看显卡型号和推荐的显卡驱动 2. 安装nvidia-390版本驱动 3. 重启系统,可以查看安装是否成功 四.CUDA9.0的安装 1. CUDA版本选择 2. 安装CUDA9.0 3. 设置环境变量 五.cuDNN7.3的安装 六.Tensorflow-1.12

Linux 搭建深度学习环境教程

Linux 搭建深度学习环境教程 Notes: ? 开门见山:使用 Anaconda 直接搞定 Linux Nvidia 驱动这个千年难题 ? 重点: 关于这个问题,今天我来总结一篇专治头疼的药方:只需要安装 Anaconda ,使用 conda 安装 Pytorch 或者 Tensorflow-gpu 即可. conda 会自动帮助我们安装好几乎所有必需的驱动,可谓是一键式安装,简直是我等"菜鸡"们的福音!!! I Love Anaconda ?????? 1. Linux 发行版选

(转) TensorFlow深度学习,一篇文章就够了

TensorFlow深度学习,一篇文章就够了 2016/09/22 · IT技术 · TensorFlow, 深度学习 分享到:6 原文出处: 我爱计算机 (@tobe迪豪 ) 作者: 陈迪豪,就职小米科技,深度学习工程师,TensorFlow代码提交者. TensorFlow深度学习框架 Google不仅是大数据和云计算的领导者,在机器学习和深度学习上也有很好的实践和积累,在2015年年底开源了内部使用的深度学习框架TensorFlow. 与Caffe.Theano.Torch.MXNet等框

搭建实用深度学习环境(Ubuntu16.10+Theano0.8.2+Tensorflow0.11.0rc1+Keras1.1.0)

在动手安装之前,首先要确定硬件,系统,准备安装软件的版本,确定这些软硬件之间是否相互支持或兼容.本文安装的主要环境和软件如下: Ubuntu16.10+CUDA8.0(cudnn5.1,CNMEM)+Theano0.8.2+Tensorflow0.11.0rc1+Keras1.1.0 显卡型号为Quadro K6000. 深度学习的另外一个比较常用的开发环境是CAFFE,由于之前的很多大牛基于CAFFE做了很多注明的模型,且已经发布到网上,故这套框架更适合于应用.但CAFFE安装起来异常复杂,需

问题集录--TensorFlow深度学习

TensorFlow深度学习框架 Google不仅是大数据和云计算的领导者,在机器学习和深度学习上也有很好的实践和积累,在2015年年底开源了内部使用的深度学习框架TensorFlow. 与Caffe.Theano.Torch.MXNet等框架相比,TensorFlow在Github上Fork数和Star数都是最多的,而且在图形分类.音频处理.推荐系统和自然语言处理等场景下都有丰富的应用.最近流行的Keras框架底层默认使用TensorFlow,著名的斯坦福CS231n课程使用TensorFlo

Tensorflow深度学习之十二:基础图像处理之二

Tensorflow深度学习之十二:基础图像处理之二 from:https://blog.csdn.net/davincil/article/details/76598474 首先放出原始图像: 1.图像的翻转 import tensorflow as tf import cv2 # 这里定义一个tensorflow读取的图片格式转换为opencv读取的图片格式的函数 # 请注意: # 在tensorflow中,一个像素点的颜色顺序是R,G,B. # 在opencv中,一个像素点的颜色顺序是B,