anconda1.8+cuda9.0+cudnn7.0.5+tensorflow1.7(win10)安装

1、下载安装cuda9.0

https://developer.nvidia.com/cuda-90-download-archive

2、下载cudnn7.0.5,下载cuda9.0的对应版本

https://developer.nvidia.com/rdp/cudnn-download

操作:

1、将cudnn文件夹下的文件拷贝到cuda9.0对应的文件夹下

2、打开cmd,用命令nvcc -V检验cuda是否安装成功,成功界面如下:

说明:之前用的是cudnn7.1.2,一直出各种问题,最后降低版本后,问题解决

3、下载anaconda

https://repo.continuum.io/archive/

说明:下载和操作系统对应的版本

4、下载tensorflow

https://tensorflow.google.cn/install/install_windows

根据下图三个步骤进行安装

原文地址:https://www.cnblogs.com/heiao10duan/p/8707556.html

时间: 2024-11-05 18:50:44

anconda1.8+cuda9.0+cudnn7.0.5+tensorflow1.7(win10)安装的相关文章

安装cuda9.0 + cudnn7.0 与 cuda8.0共存

升级tensorflow的版本,我是直接将tensorflow升级到了1.11.0,但是其需要的cuda和cudnn的版本也需要跟着升级. 参考文献:https://blog.csdn.net/weixin_32820767/article/details/80421913 一 安装cuda9.0 1. 在自己的目录下为cuda9.0新建一个文件夹,用于存放  cuda_9.0.176_384.81_linux.run 2. 生成可执行文件 chmod 777 cuda_9.0.176_384.

Ubuntu18.04 + cuda9.0+cudnn7.0

1 cannot find Toolkit in /usr/local/cuda-8.0 2017年05月27日 17:37:33 阅读数:2754 对于新版本ubuntukylin17.04安装CUDA时出现 cannot find Toolkit in /usr/local/cuda-8.0 问题 尝试了各种方法,均不妥当...... 参考:https://devtalk.nvidia.com/default/topic/992023/install-cuda-on-debian/ 使用ap

ubuntu18.04+CUDA9.0+cuDNN7.1.4+tensorflow1.9 环境搭建

1. 主机配置说明 在前几天,得知公司新采购了几台主机,所以我们组领导就向公司申请了一台回来,做数据分析. 服务器买的是惠普的主机,型号是:HP EliteDesk 800 G3.不算强劲,但用来做GPU的数据分析测试,也可以了.具体参数:CPU:i7-7700内存: 32G显卡: GTX 1070硬盘: 256 ssd + 1T自带 windows 10 64位 专业版系统 2. 更换系统 由于主机自带的是windows系统,但是我们想用 ubuntu 的系统,因此,只能先重装一下系统了.具体

win10安装mxnet cuda9.0-gpu版

类似于上一篇文章 Anaconda3.6    python3.6.5   cuda9.0+   cudnn7.0 安装MXNet 1.设置清华源 conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 2.安装MXNet pip install --pre mxnet-cu80 -i https://pypi.douban.com/simple 3.测试 测试地址:http

TensorFlow安装(Ubuntu18.04+Anaconda3+CUDA9.0+cuDNN7.1+TensorFlow1.8.0+Pycharm)

p { margin-bottom: 0.1in; line-height: 115% } a:link { } 1.安装pip (1)安装 sudo apt-get install python3-pip python3-dev (2)查看pip是否安装成功 pip3 -V (3)切换国内源 Linux下,修改 ~/.pip/pip.conf (没有就创建一个), 修改 index-url至tuna,内容如下: [global] index-url = https://pypi.tuna.ts

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

ubuntu18.04+cuda9.0+cudnn7.1.4+caffe-ssd+anaconda2安装

几乎是小白一枚,折腾多天才搞定,参考了很多博客和社区问答,把安装经验记下来. 1.检测显卡,安装驱动 1 ~$ ubuntu-drivers devices 2 == /sys/devices/pci0000:00/0000:00:1c.4/0000:09:00.0 == 3 modalias : pci:v000010DEd00001292sv00001028sd00000616bc03sc02i00 4 vendor : NVIDIA Corporation 5 model : GK208M

深度学习(TensorFlow)环境搭建:(三)Ubuntu16.04+CUDA8.0+cuDNN7+Anaconda4.4+Python3.6+TensorFlow1.3

紧接着上一篇的文章<深度学习(TensorFlow)环境搭建:(二)Ubuntu16.04+1080Ti显卡驱动>,这篇文章,主要讲解如何安装CUDA+CUDNN,不过前提是我们是已经把NVIDIA显卡驱动安装好了 一.安装CUDA CUDA(Compute Unified Device Architecture),是英伟达公司推出的一种基于新的并行编程模型和指令集架构的通用计算架构,它能利用英伟达GPU的并行计算引擎,比CPU更高效的解决许多复杂计算任务,想使用GPU就必须要使用CUDA.

环境配置 python 3.6+Anaconda+cuda9.0+cudNN7.1+Tensorflow

最近在摸deepface代码,一堆环境要配置,过程记录一下吧. 安装顺序:Python-> Tensorflow -> Nvidia GPU Driver -> CUDA -> CUDNN 一.安装Python3.6 Ubuntu16.04系统下默认是python2.7.网上说一般不建议卸载系统自带的python,所以保留. 1.  配置软件仓库 sudo add-apt-repository ppa:jonathonf/python-3.6 2.  检查系统软件包,安装Pytho