关于gpu版本的tensorflow+anaconda+jupyter的一些安装问题(持续更新)

  • 关于anaconda安装,虽然清华镜像站资源很丰富,但是不知道是网络还是运气的问题,用这个路径安装的时候总是出现文件丢失。具体表现可能是anaconda prompt 找不到,conda命令无效等问题(已经加了系统变量),

   我自己的问题发现是Scripts安装包总是不全,因为当时是初学,干脆就用了miniconda来暂时代替,也可以通过miniconda安装,比较快可以满足初学需要。

  • 进度需要,现在安装anaconda,一开始没有清理垃圾页面,同时从两个源下载,就出现了下图这种问题,打不开,而且闪退,所以首先安装要保证网络状态,固定一个来源重下就行
  • 安装过程中的问题,建议右键—管理员—运行,因为后面安装的时候它会让你选择All users / My,如果没有特殊要求,这个时候一定要选前者,需要权限,不然后面还要回头加系统环境变量,
  • 在中间安装的时候它会让你选加不加入“Path”,如果前面选了All users,建议选,不然就没什么区别,最后还是得手动添加
  • 需要添加的系统环境变量Path:路径本身,路径本身+/Scripts,路径本身+Library/bin,分号隔开即可
  • cmd输入python和conda检查,如果还找不到python或者提示warning,一般是因为没有“activate base” ,cmd浸入python.exe路径activate base即可

之前按照教程用的是cpu版本的tf,但是还是想试一试gpu,毕竟就业用的多,就来安装一下试试:

  • 找到自己的显卡版本号,然后可以对比这个图:(来源

  我自己是GTX 1050(小心有没有”ti“ ),检查Capability是否达到 3 以上,如果ok,那就可以下一步了,不然就不用往下看了

  • cuda:点击这里-Manual driver search 输入自己的型号和希望的语言,它会自动帮你显示适合的 cuda版本,选一个就行
  • cuDNN:

(待续)

原文地址:https://www.cnblogs.com/KID-yln/p/12515159.html

时间: 2024-10-13 18:47:38

关于gpu版本的tensorflow+anaconda+jupyter的一些安装问题(持续更新)的相关文章

安装GPU版本的tensorflow填过的那些坑!---CUDA说再见!

那些坑,那些说不出的痛! --------回首安装的过程,真的是填了一个坑又出现了一坑的感觉.记录下了算是自己的笔记也能给需要的人提供一点帮助. 1 写在前面的话 其实在装GPU版本的tensorflow最难的地方就是装CUDA的驱动.踩过一些坑之后,终于明白为什么Linus Torvald 对英伟达有那么多的吐槽了.我的安装环境是ubuntu16.04,安装的是CUDA-8.0.其他驱动安装一般不会遇到很大的问题,都是一些小问题,一般不会卡很久.可以参考官网的安装过程. 2 眼花缭乱的CUDA

安装GPU版本的TensorFlow

win10 x64 python 3.6 显卡 GTX 940mx Cuda 8.0 cudnn v5.1 TensorFlow-gpu 1.0.0 1. 安装CUDA 显卡型号支持:https://developer.nvidia.com/cuda-gpus 下载安装CUDA,安装好之后把CUDA安装目录下的bin和lib\64添加到Path环境变量中 2. 安装cuDNN 下载CuDNN需要注册账号 下载安装cuDNN 解压压缩包,把压缩包中bin,include,lib中的文件分别拷贝到c

安装GPU版本的tensorflow过程总结

首先安装cuda,和cudnn 安装完了后再用pip去安装tensorflow的指令如下:$ sudo pip install https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl 在spyder环境下,利用GPU模式下的tesorflow跑cnn时,出现 E tensorflow/stream_executor/cuda/cuda_dnn.cc:390]L

GPU版的tensorflow在windows上的安装时的错误解决方案

1.用vs编译cuda的sample时会提示找不到"d3dx9.h"."d3dx10.h"."d3dx11.h"头文件的错误,如果没有安装这个插件,在TensorFlow里执行run方法时会导致电脑死机 解决方案;可从这里下载DXSDK_Jun10.exe. 2.import tensorflow as tf 时报 ImportError: DLL load failed:找不到指定的模块 解决方案;  下载安装一个插件地址如下https://w

tensorflow Dataset及TFRecord一些要点【持续更新】

关于tensorflow结合Dataset与TFRecord这方面看到挺好一篇文章: https://cloud.tencent.com/developer/article/1088751 github: https://github.com/YJango/TFRecord-Dataset-Estimator-API/blob/master/TensorFlow%20Dataset%20%2B%20TFRecords.ipynb dataset要点: 一般先shuffle,然后batch,再re

Linux服务器配置GPU版本的pytorch Torchvision TensorFlow

最近在Linux服务器上配置项目,项目需要使用GPU版本的pytorch和TensorFlow,而且该项目内会同时使用TensorFlow的GPU和CPU. 在服务器上装环境,如果重新开始,就需要下载很多依赖包,而且如果直接在系统上安装包,可能会和服务器上的其他包发生冲突,因此使用Anaconda创建虚拟环境来管理项目的依赖包.Anaconda的安装可以去清华大学的镜像下载,速度比较快,选择对应的版本就可以了 https://mirrors.tuna.tsinghua.edu.cn/anacon

【转】Ubuntu 16.04安装配置TensorFlow GPU版本

之前摸爬滚打总是各种坑,今天参考这篇文章终于解决了,甚是鸡冻\(≧▽≦)/,电脑不知道怎么的,安装不了16.04,就安装15.10再升级到16.04 requirements: Ubuntu 16.04 python 2.7 Flask tensorflow GPU 版本 安装nvidia driver 经过不断踩坑的安装,终于google到了靠谱的方法,首先检查你的NVIDIA VGA card model sudo lshw -numeric -C display 可以看到你的显卡信息,比如

转:ubuntu 下GPU版的 tensorflow / keras的环境搭建

http://blog.csdn.net/jerr__y/article/details/53695567 前言:本文主要介绍如何在 ubuntu 系统中配置 GPU 版本的 tensorflow 环境.主要包括: - cuda 安装 - cudnn 安装 - tensorflow 安装 - keras 安装 其中,cuda 安装这部分是最重要的,cuda 安装好了以后,不管是 tensorflow 还是其他的深度学习框架都可以轻松地进行配置. 我的环境: Ubuntu14.04 + TITAN

Windows下TensorFlow+Faster Rcnn 详细安装步骤

参考:https://cloud.tencent.com/developer/news/303081 实现步骤也很简单,实现流程如下: 1.安装前准备: 安装前请确保TensorFlow和相关的依赖库安装成功 2.下载 faster rcnn程序包 连接:https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3 解压,然后可以看一下里面的readme 3.安装python依赖库 注意还是要在TensorFlow虚拟环境下安装,命令: pip