cuda

这里面有很多坑，最大的坑是发现各方面都装好了结果报错 Loaded runtime CuDNN library: 7.3.1 but source was compiled with: 7.4.1，这是由于最新的tensorflow1.13需要用 Cudnn7.4.1编译。这个问题，StackOverflow上有人问到，但是目前依然未有人给出解决办法，下文会详述。 1. 去nvida官网下载显卡对应的驱动 2.下载安装Anaconda3，安装时勾选加入环境变量 3. 进入Anaconda Prompt 创建环境 conda create -n tensor1 python=3.6,然后进入环境 activate tensor1 4. 查找可用的 anaconda show anaconda/tensorflow-gpu 会给出 gpu版本的tensorflow下载地址，然后复制 conda install --channel https://conda.anaconda.org/anaconda tensorflow-gpu 到命令行，进行下载安装（会安装CudaTooltikit10.0 和 cudnn7.3.1） 5. 安装后命令函行输入python， 输入import tensorflow as tf 不会报错，这说明到目前为止安装正常

【简述】 　　关于Window安装TensorFlow- GPU环境的文章我想网站已经有非常多了，但是为什么还要写这篇文章呢，就是被网上的文章给坑了。由于pip install tensorflow-gpu的时候会默认安装tensorflow的最新版本（目前为1.8）。但是网上的教程估计都是小与1.7的版本，因此所有文章都写着必须安装DUDA8.0，导致小编安装TensorFlow- GPU入了很多坑，最后还是通过看错误信息，才顺利安装上的，因此分享这篇文章，避免小伙伴们入CUDA8.0的坑。 【所需环境】 Anaconda3(64bit) CUDA-9.0 CuDNN-7.0 Python-3.5 TensorFlow-gpu1.7版本以上 【Python安装】 　　1、下载 Python3.5 ； 　　2、安装Python3.5（直接安装即可，路径可以改成自己设定的路径）。 　　3、安装完成后进入cmd命令行输入python，查看是否安装成功。 【安装Anaconda3(64bit)】 　　1、下载 Anaconda3(64bit) ； 　　2、安装软件（直接安装即可，不做详细解释）。 【安装CUDA和CuDNN】 　　1、下载 CUDA 和 CuDNN ； 　　2、下载CUDNN时需要注册并填写相关资料； 　　3、安装CUDA前，先升级显卡驱动，要不然后面运行程序是报错（注意

一、Anaconda的安装 　　1. 可去Anaconda官网下载，也可去在 清华大学开源软件镜像站 下载 (推荐)，我下载的是 Anaconda3-5.2.0-Linux-x86_64.sh 这个版本(因为5.3版本是Python3.7)。 　　2. 在终端-下载中使用命令 bash Anaconda3-5.2.0-Linux-x86_64.sh 进行安装。然后一路yes or enter 下去。 　　3. 配置环境变量，在终端中输入 $ sudo gedit ~/.bashrc 　　然后文件末尾输入 export PATH="home/ho/Anaconda3/bin:$PATH" ，保存退出，在终端输入 source ~/.bashrc。 　　4. 在终端进入Python，见有Anaconda字样，即安装成功。 二、tensorflow安装 在安装tensorflow之前，先gcc,g++降级，安装cuda和cudnn。 gcc降级: sudo apt install gcc-4.8 , sudo apt install g++-4.8 . 安装完后进入/usr/bin目录：ls -l gcc* ，可见gcc->gcc7 ，所以将gcc修改指向gcc4.8：sudo mv gcc gcc.bak #备份 sudo ln -s gcc-4.8 gcc 同理可得g++: sudo

Anaconda Spyder 安装: https://www.anaconda.com/download/ 根据系统 下载安装 自带Spyder TensorFlow安装： 打开 anaconda prompt 输入 conda install tensorflow-gpu （20180124这个命令安装的是1.4.0版本），可以直接按TensorFlow GitHub上提示直接安装：pip install tensorflow-nightly-gpu 直接下载whl文件安装也可（推荐）。 GPU环境配置：CUDA8.0 CUDNN6.0 （注意版本，对应TensorFlow1.4.0及其以下，1.5.0以后可能得配CUDA9.0 CUNN7.0）win10下cuda安装貌似也不难，cudnn解压后放至cuda相应目录下就OK了。 "相应目录" = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vx.0 cuda9.0的下载链接： https://developer.nvidia.com/cuda-90-download-archive cudnn7.0下载链接为： https://developer.nvidia.com/rdp/cudnn-download （参考中第四个链接中提供了网盘下载）

https://zhuanlan.zhihu.com/p/34730661 1. 安装anaconda3：自行下载、安装【注意版本】 （可参考引用链接） 2. 搭建TensorFlow环境 cuda10.1 cudnn10.1 opencv4.11 显卡1050ti win10 2.1 输入清华库，更新快一点： conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes 　　 2.2 在anaconda中创建TensorFlow环境 同样在Anaconda Prompt中利用Anaconda创建一个python3.5的环境，环境名称为tensorflow ，输入下面命令： 3 开始安装 pip install --ignore-installed --upgrade tensorflow-gpu 　　 cuda关系对应表 https://blog.csdn.net/omodao1/article/details/83241074 安装tf2.0- python3.6-cuda10.0 不是10.1 pip install tensorflow-gpu==2.0 　　 安装tf1.4-

https://www.cnblogs.com/31415926535x/p/10536572.html 概述 因为选修了数字图像这门课，，要做一个人脸识别的项目，和室友打算利用tensorflow来训练一个模型，，然后刚开始的环境配置就折腾了一天，， 现在记录一下大致的流程和遇到的坑，，（只是简略的写写配置的要点，，具体的信息别的博客讲的很清楚了，，， 最后的环境： win10x64 + gtx1050 + CUDA9.0 + cuDNN9.0 + Anaconda + Tensorflow1.9.0 英伟达官网你会发现1050不能使用它的CUDA，，但实际上是可以使用的，，后面可以看出算力大概是6.1，， 配置流程 只列出必要的流程以及我遇到的坑，， 详细的安装过程参考别人的博客： Win10+1050Ti配置Tensorflow教程 Win10下Tensorflow(GPU版)安装趟坑实录 win10搭建tensorflow-gpu环境 tensorflow 安装GPU版本，个人总结，步骤比较详细 在Windows 10上安装TensorFlow并支持GPU的最佳方式（无需安装CUDA Win10+cuda8.0+cudnn5.1+tensorflow-gpu1.2.0+gtx1050ti，tensorflow环境搭建与配置 tensorflow

前叙：有灵魂的程序都是每一个程序员的最终目标。TensorFlow了解下？ 打算花几个月学机器学习，TensorFlow是很好的选择，折腾了会环境，略有心得分享下。 环境：win10 Python：3.6.5 TensorFlow-GPU：1.8.0 CUDA：9.0 cuDNN：7.1.4 我们来用最简单的方法安装，首先 Python： 虽然官网3.7已经出来了，但是Beta版，保险起见用正式版 3.6.5。 你看着文章时也许已经不是3.6.5了，所以链接下可以选最新版本的。我下载的是64位可执行安装包。 https://www.python.org/downloads/windows/ 下载完安装只有一个注意事项，勾选Add Python 3.6 to PATH TensorFlow： 顺利安装完Python后就可以用pip装TensorFlow。 因为pip旧版不能装TensorFlow，所以先要pip直接升到最新版。 以管理员身份运行命令行执行： python -m pip install -U pip 升级了pip就可以装TensorFlow（GPU版）了 以管理员身份运行命令行执行： pip3 install --upgrade tensorflow-gpu 部分警告可以忽略。 装完我们运行试试看，开始菜单找到Python 3.6打开并运行： import

在安装 tensorflow-gpu时，也看过不少的博客，讲得乱七八糟的，也不能这样说，只是每个人安装的环境或需求不一样，因此没有找到一个适合自己的教程去安装 tensorflow-gpu版本。 当然，入手一台新电脑立马是安装配置这些环境，在次期间也遇到过不少的坑。话不多说，对此总结了以下几个步骤，直到成功！ 1、首先查看 tensorflow-gpu所对应的 python版本、 CUDA、 cuDNN版本，这个非常重要，直接决定，最后是否安装成功。 注：链接查看地址 https://tensorflow.google.cn/install/source_windows 2、下载 CUDA，并且安装 CUDA（ Compute Unified Device Architecture），是显卡厂商 NVIDIA 推出的运算平台。 当然在下载时，也遇到过不少尴尬的情景，比如说：下载超时，遇到下载超时的情况，解决办法：通过网络版下载并进行安装，效果是一样的！本次笔者下载的是 CUDA9.0，其下载地址： https://developer.nvidia.com/cuda-toolkit-archive 3、下载 cudnn 下载地址： https://developer.nvidia.com/rdp/cudnn-download 注意：下载时需要注册会员，只需要按照要求，简单注册即可

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:/

踩着2018年的尾巴入手了HUAWEI MateBook 13全面屏轻薄本。 笔记本配置如下： 处理器：i5-8265U 内存：8GB 2133MHz LPDDR3 显卡： 高性能版NVIDIA MX150 一. 安装显卡驱动 本机自带了最新驱动。 二. 安装CUDA-9.2和CUDNN-7.2 查看支持的CUDA版本 桌面右击打开NIVDIA控制面板。 如图所示，本机上的MX150支持CUDA-9.2。不过，目前tensorflow-gpu最高支持CUDA-9.0。我先尝试安装CUDA9.0，CUDA安装软件会先做系统检查，结果显示软硬件不兼容。因此只能选择安装CUDA9.2。 安装CUDA9.2 从 官网 下载安装程序cuda_9.2.148_win10.exe。 运行cuda_9.2.148_win10.exe，安装选项默认是 精简 ，选择 自定义 。点下一步，在自定义选项中去掉了 Visual Studio Integration 。 安装CUDNN7.2 从 官网 下载与CUDA9.2对应的cudnn7.2压缩文件cudnn-9.2-windows10-x64-v7.2.1.38.zip。 解压cudnn-9.2-windows10-x64-v7.2.1.38.zip，得到cuda文件夹，里面有三个文件夹。 将bin、include和lib三个文件夹拷贝到CUDA9