1. 程式人生 > >win10+gtx1070+tensorflow+cuda8.0+cudn搭建深度學習環境

win10+gtx1070+tensorflow+cuda8.0+cudn搭建深度學習環境

Win10+1070+cuda8.0+cudn-->TensorFlow的步驟:

親測有效。

步驟

1、安裝Anaconda直接在官網下載並安裝Anaconda,這裡選擇64版本。 注意,windows下安裝TensorFlow,要求python版本是3.5,64位。 

安裝完Anaconda,也就安裝了python3.5等相關工具

本人下載的是Python 3.5的anaconda:

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-4.2.0-Windows-x86_64.exe

2、安裝完成後,用管理員許可權開啟,否則會報錯。

開啟Anaconda Prompt,建立TensorFlow虛擬環境Prompt中輸入:

>>> conda create -n tensorflow python=3.5

更新的,全部設定為 y,進行更新。

3、進入TensorFlow環境,輸入

>>> activate tensorflow

在命令列前,你就可以看到在輸入提示符前加了(tensorflow) 變成了這樣:

tensorflow)...>>>

如果要退出該虛擬環境,輸入 deactive tensorflow 即可

4 安裝tensorflow

· gpu版本

pip install --upgrade https://storage

.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl

· cpu版本

pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0-cp35-cp35m-win_amd64.whl

如果安裝出現問題:

在安裝tensorflow時出現 “Cannot remove entries from nonexistent file c:\program files\anaconda3\lib\site-packages\easy-install.pth” 的問題。檢視原因是因為setuptools版本太低,tensorflow要求29.0.1,當前版本為27.2.0,在更新setuptools版本的時候又找不到

easy-install.pth,導致更新失敗

執行:pip install --upgrade --ignore-installed setuptools,問題解決!

一、Cpu版本到此結束,可以直接在匯入TensorFlow實驗。

二、gpu版本還需要安裝兩個檔案。

安裝cuda8.0

https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda_8.0.61_win10-exe

下載cudnn5.1

http://dl.download.csdn.net/down11/20161115/4c31a7e5fa4af2e6a2097afccdf9d550.zip?response-content-disposition=attachment%3Bfilename%3D%22cudnn-8.0-windows10-x64-v5.1.zip%22&OSSAccessKeyId=9q6nvzoJGowBj4q1&Expires=1493949956&Signature=LK5paj9E9v6VQNTrqfOZlrNJGkE%3D

cuda8.0 安裝好後,找到它的安裝路徑,找到相對應的目錄。

 

 cudn檔案解壓裡面有三個檔案的三個小文字,補充到這個檔案相對應的目錄下。

將該檔案的bin目錄到PATH環境變數

TensorFlow 實驗執行展示:

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
#Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runs the op.
print (sess.run(c))
執行成功:
。。。。。//省略
MatMul: (MatMul): /job:localhost/replica:0/task:0/gpu:0
b: (Const): /job:localhost/replica:0/task:0/gpu:0
a: (Const): /job:localhost/replica:0/task:0/gpu:0
Const: (Const): /job:localhost/replica:0/task:0/cpu:0
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\simple_placer.cc:827] MatMul: (MatMul)/job:localhost/replica:0/task:0/gpu:0
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\simple_placer.cc:827] b: (Const)/job:localhost/replica:0/task:0/gpu:0
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\simple_placer.cc:827] a: (Const)/job:localhost/replica:0/task:0/gpu:0
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\simple_placer.cc:827] Const: (Const)/job:localhost/replica:0/task:0/cpu:0
[[ 22.  28.]
 [ 49.  64.]]



相關推薦

win10+gtx1070+tensorflow+cuda8.0+cudn搭建深度學習環境

Win10+1070+cuda8.0+cudn-->裝TensorFlow的步驟: 親測有效。 步驟 1、安裝Anaconda直接在官網下載並安裝Anaconda,這裡選擇64版本。 注意,

win10+gtx1050+tensorflow+cuda8.0+cudnn5.1配置踩到的坑(回憶)

最近在中科院做一個AI醫療專案,感覺非常有意義,專案有部分需要做定位,我考慮了一下選擇ssd演算法,因為之前做工業視覺時接觸過caffe,所以這次就試試未玩過的深度學習框架tensorflow,以下時我遇到的一些坑: 1.cuda8.0的坑(下載後是1KB,cu

Tensorflow1.4.0(GPU)+Win10+Anaconda5.0.1+CUDA8.0+cuDNN6.0+Python3.6深度學習環境安裝

第一次寫部落格,因為Tensorflow1.4.0(GPU)安裝,感慨萬千,也希望大家安裝的時候別走博主的坑,博主儘量讓大家避開坑(關注官網動態很重要)也是看了很多篇部落格。但是很多不具有時效性,畢竟Tensorflow一直在發展,一直在更新新版本。總結出了很多

win10+ubuntu18.04雙系統安裝cuda9.0+cudnn配置深度學習環境

ubuntu18.04+cuda9.0+cudnn安裝筆記 第一步:安裝win10+ubuntu18.04雙系統。     1.下載ubuntu18.04的iso檔案     2.使用ultroiso製作啟動盤,預設操作即可。     3.win10“設定”介面選擇重啟——&

ubuntu 下搭建深度學習環境ubuntu18.04+anaconda3+cuda9.0+cudnn7.0+pytorch+nltk

一、anaconda安裝簡單,選擇linux對應的x86版本下載,進入下在目錄,執行對應版本的安裝命令bash Anaconda3-*.sh,按照提示安enter與yes即可 二、cuda9.0也可以裝在18.04的ubuntu系統上,18.04相容16.04

在Ubuntu的環境下,使用Spyder+TensorFlow搭建深度學習環境

打算使用卷積神經網路對實驗圖片進行分類,因此需要牽涉相關的深度學習的東西。一個是之前部落格談到的Ubuntu的安裝問題,這次遇到的是IDE環境的搭建。不過問題還不是很多,現在記錄下來當做備註記憶吧。

centos7 手把手從零搭建深度學習環境 (以TensorFlow2.0為例)

目錄 一. 搭建一套自己的深度學習平臺 二. 安裝系統 三. 安裝NVIDA元件 四. 安裝深度學習框架 TensorFlow 五. 配置遠端訪問 六. 驗收

在伺服器搭建深度學習環境隨筆

1、檢視CUDA版本 nvcc -V 2、conda的使用 建立envs #空環境 conda create --name myenv #設定python版本 conda create -n myenv python=3.6 進入envs source activate

教你如何用docker快速搭建深度學習環境

本教程搭建集 Tensorflow、Keras、Coffe、PyTorch 等深度學習框架於一身的環境,及jupyter。 一、安裝依賴環境 1. 使用國內映象加速安裝 sudo mv /etc/

雙系統下搭建深度學習環境

前言:         搭建的過程吸取了很多大神的經驗,但是由於沒有儲存連結,沒有辦法在此致謝以及加上鍊接,請各位大神看到後不要生氣哈。自己的安裝經驗不一定適合所有人,所寫內容僅供參考。  一、硬體及系統環境 1、WIN7旗艦版和Ubuntu 16.04 2、顯示卡Q

Ubuntu下搭建深度學習環境教程(scikit-neuralnetwork、matplotlib、Theano等)

      今天給大家介紹下在ubuntu14.04中安裝scikit-neuralnetwork:(安裝流程為從頂層向下安裝,頂層包需要下層什麼樣的包就再補安裝什麼樣的包去滿足頂層包的需要環境,這樣安裝的成功率會很高),另外需要有耐心去檢視ubuntu的Terminal提示

從零開始Tensorflow == 資深小白配置深度學習環境的血淚史

2018.2.6 再更 在另一臺電腦上裝了一遍TF1.5.0,其實並不複雜,下載速度快的話1個小時就可以搞定,而且從頭到尾也並沒有之前出現過的任何問題,所以啊,歸根結底,還是版本的問題 吃一塹長一智。下次謹記,不要網上亂翻教程,因為隨著版本更新都是有時限性的,最靠譜的還是官

雲主機搭建深度學習環境

今天申請了一臺雲主機,一下是搭建深度學習環境的過程: 整體還是很多坑的,基本上的思路就是遇到問題解決問題,每個人的環境不一樣,網上基本都有解決方案 1.確認機器到底有沒有GPU 運維有時候會搞錯,可能給一臺壓根沒有GPU的機器,這個可以用lspci命令來檢視是否有GPU的資訊 2.確認機器有沒有GPU的驅動

深度學習環境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow並配置遠端訪問jupyter notebook

本文主要介紹了linux系統下深度學習系統的搭建,主要的安裝思路如下: linux系統安裝: 首先安裝當下熱門的linux作業系統Ubuntu16.04,系統下載的連結如下: (一)顯示卡驅動安裝:

深度學習環境搭建:Tensorflow1.4.0+Ubuntu16.04+Python3.5+Cuda8.0+Cudnn6.0

edi tensor pkgs strong www url 輸出 軟鏈接 5.0 目錄 深度學習環境搭建:Tensorflow1.4.0+Ubuntu16.04+Python3.5+Cuda8.0+Cudnn6.0 Reference 硬件說明: 軟件準備: 1. 安

搭建深度學習框架-win10 64位+CUDA 9.0+cuDNN v7.0.5 安裝

本人機械狗,研究生接觸到了機器視覺令我神往,雷軍不是說過:站在風口上,豬都能飛起來.能不能飛起來,看你小子本事了。 廢話不多說,摸著石頭過河的同時也要記下自己成長的足跡.第一次嘗試寫安裝教程的部落格,希望能幫助到需要的朋友. 0 檢視電腦系統版本(非常重要) WIN+R->輸入

win10 解除安裝cuda8.0並安裝tensorflow-gpu1.11.0+cuda9.0+cudnn7.0 (安裝程式附網盤下載地址)

主機資訊: 顯示卡:GTX 1060(6G) 已安裝圖形驅動版本(比cuda9.0自帶的高):390.77 已安裝PhysX版本:9.17.0524 已安裝Anaconda版本:Anaconda2 5.0.1 64bit 之前一直用的Theano(需要cu

保姆級教程——Ubuntu16.04 Server下深度學習環境搭建:安裝CUDA8.0,cuDNN6.0,Bazel0.5.4,原始碼編譯安裝TensorFlow1.4.0(GPU版)

寫在前面 本文敘述了在Ubuntu16.04 Server下安裝CUDA8.0,cuDNN6.0以及原始碼編譯安裝TensorFlow1.4.0(GPU版)的親身經歷,包括遇到的問題及解決辦法,也有一些自己的經驗,希望能對讀者有所幫助。期間參考了許多前人的文章,後文會一一附上鍊接,在此先行謝過。在下能力有限,

Win10+RTX2080深度學習環境搭建tensorflow、mxnet、pytorch、caffe

目錄 準備工作 設定conda國內映象源 conda 深度學習環境 tensorflow、mxnet、pytorch安裝 tensorflow mxnet pytorch Caffe安裝 配置檔案修改 編譯時常見錯誤

win8.1 64位+Anaconda3-5.0.1+cdua9.0+cuDNN v7.0.5+tensorflow 1.8.0 深度學習環境搭建小記

前言: 完全不會深度學習,只是知道有這麼一種數學程式設計技術,和人工智慧有關,很火,上一週在某公眾號灌水的時候, 獲贈送一本<Python 機器學習預測分析核心演算法>,僅此而已。前幾天突然心血來潮,學著安裝深度學習的環境,碰到幾個大坑,安裝和解除安裝An