1. 程式人生 > >windows 10+Tensorflow 1.5+python 3.5+CUDA 9.0+CUDNN7.0.5配置

windows 10+Tensorflow 1.5+python 3.5+CUDA 9.0+CUDNN7.0.5配置

截至目前發表此文,Tensorflow windows版本最高支援到1.5,若下載新版本的Tensorflow,其他相關的配置也要相應改變,比如CUDA要下載9.0版本的(注意CUDA9.1還不行,親測),而cdDNN要下載7.0.5版本的。python 3.5。本文通過Anaconda安裝tensorflow,使用spyder編譯器很方便。
放一個非常新的安裝過程的視訊連結,幫助大家:Youtube上最新安裝過程連結,更新於2018.1.27

本電腦配置:
win10 64位;CPU:i7 7300hq;GPU:GTX 1050 ; 4G視訊記憶體;配置中規中矩,商務本定位。

開始搭建

一. Visual Studio 2015安裝

因為如果要使用CUDA,需要Visual Studio,所以裝吧。
這裡寫圖片描述

二. Anaconda安裝

Anaconda是一個用於科學計算的Python發行版,支援 Linux, Mac, Windows系統,提供了包管理與環境管理的功能,可以很方便地解決多版本python並存、切換以及各種第三方包安裝問題。Anaconda利用工具/命令conda來進行package和environment的管理,並且已經包含了Python和相關的配套工具。

conda可以理解為一個工具,也是一個可執行命令,其核心功能是包管理與環境管理。包管理與pip的使用類似,環境管理則允許使用者方便地安裝不同版本的python並可以快速切換。Anaconda則是一個打包的集合,裡面預裝好了conda、某個版本的python、眾多packages、科學計算工具等等,所以也稱為Python的一種發行版。其實還有Miniconda,顧名思義,它只包含最基本的內容——python與conda,以及相關的必須依賴項,對於空間要求嚴格的使用者,Miniconda是一種選擇。

1.在清華大學映象倉庫下載相應版本,可以直接下載最新版本的,目前是Anaconda3-5.0.1-Windows-x86_64.exe。雙擊安裝包,如圖第二個勾選就好。
這裡寫圖片描述
和其他windows下的程式一樣,稍等就Anaconda就安裝好了,然後可以通過下面的命令來檢視Anaconda已經安裝了哪些包:執行 開始選單->Anaconda3—>Anaconda Prompt :

conda list

可以看到已經安裝了numpy、sympy等常用的包。後續還有什麼包需要,就再單獨安裝即可。

三. CUDA 9.0安裝(注意CUDA9.1還不行,親測)

1. 安裝CUDA


CUDA 9.0下載連結
下載Base Installers就行一路預設安裝就行,期間可能會碰到(未完待續)

2. 驗證CUDA是否安裝成功
開啟Anaconda promt,輸入:nvcc -V
出現如下類似資訊:
這裡寫圖片描述
3. 使用者環境變數配置
右擊“此電腦”->“屬性”->”高階系統設定”->”環境變數”,如圖所示:
這裡寫圖片描述
只需要做兩件事情:
(1)確認系統變數中CUDA_PATH和CUDA_PATH_V9.0已經存在
(2)在使用者變數,新建PathCUDA:C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.0\bin

四. CUDNN 7.0.5安裝

1.cuDNN下載
cuDNN下載連結,需要先線上註冊,並填寫調查問卷,然後選擇如圖所示版本安裝,點開後選擇對應windows10版本
這裡寫圖片描述
這裡寫圖片描述
2. cuDNN安裝
解壓cudnn-9.0-windows10-x64-v7,將資料夾裡如下圖所示的三個資料夾分別拷貝至CUDA的安裝目錄的對應的資料夾即可。預設資料夾在:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
這裡寫圖片描述

四. Tensorflow 1.5安裝

1. tensorflow執行環境
(1)在windows程式中找到Anaconda Promt並開啟,輸入命令:
這裡寫圖片描述

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

(2)同樣在Anaconda Prompt中利用Anaconda建立一個python3.5的環境(anaconda本身自帶的python3.6的環境,最新的tensorflow也支援不過我還是選擇了3.5的環境),環境名稱為tensorflow (最好就這個名字,方便辨識),輸入命令:

conda create -n tensorflow python=3.5

(3)採用activate命令啟動環境
這裡寫圖片描述
(4)輸入python命令,可以檢視到所配置環境的python版本為python3.5
這裡寫圖片描述
2. 安裝tensorflow
(1)先解除安裝再安裝(如果之前安裝過)
先解除安裝之前的Tensorflow

pip uninstall tensorflow-gpu 

安裝新的tensorflow 1.5

pip install tensorflow-gpu==1.5  

(2)若未曾安裝,直接採用
CPU版Tensorflow更新

pip3 install -upgrade tensorflow

GPU版Tensorflow更新

pip3 install --upgrade tensorflow-gpu

若想升級到指定版本(版本要自己選擇),則
CPU:pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl
GPU:pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl
3. 在tensorflow環境中安裝外掛
為了能在ipython 和Spyder中使用tensorflow,我們需要在tensorflow的環境中安裝這兩個的外掛。開啟Anaconda Navigator,選擇Not installed,找到 ipython和Spyder並安裝:
這裡寫圖片描述
之後在windows程式中就可以找到tensorflow環境下的spyder和IPython了,君可自在遨遊了:
這裡寫圖片描述
後續缺少什麼包可以兩種方式,一種就是在Anaconda Navigator的tensorflow環境中找到並安裝,還有一種可以在Anaconda promt中,缺少什麼就通過pip命令安裝什麼:

activate tensorflow
pip install **

最後開啟spyder(tensorflow)去試試吧…

遇到的問題(跑faster-rcnn時,還需補充安裝其他模組)未完

  1. 下載原始碼後直接跑,會遇到:from easydict import EasyDict as edict,安裝easydict模組即可,在anaconda promt介面,輸入
activate tensorflow(你自己命名的環境)
pip install easydict

相關推薦

windows 10+Tensorflow 1.5+python 3.5+CUDA 9.0+CUDNN7.0.5配置

截至目前發表此文,Tensorflow windows版本最高支援到1.5,若下載新版本的Tensorflow,其他相關的配置也要相應改變,比如CUDA要下載9.0版本的(注意CUDA9.1還不行,親測),而cdDNN要下載7.0.5版本的。python 3.5

安裝CUDA 9.0時,NIVDIA安裝程式失敗,解決方法。win10+vs2017+python 3.6+cuda 9.0+cudnn 7.0+tensorflow 1.5

在win10+vs2017+python 3.6+cuda 9.0+cudnn 7.0+tensorflow 1.5的環境配置過程中,安裝cuda 9.0就一直出錯,一直無法安裝,如下圖(找不到9.0的圖片,就用了個8.0失敗的圖片)好,現在就來說解決方法:就是清楚所有的顯示

windows 8 + Tensorflow 1.10.0 + Python 3.6.4 + CUDA 9.0 + CUDNN7.3.0配置

windows 8 + Tensorflow 1.10.0 + Python 3.6.4 + CUDA 9.0 + CUDNN7.3.0配置 一、首先安裝TensorFlow 因為anaconda可以更方便的進行包的管理,所以先裝了一波anaconda,然後pip install

Pydev 5.1.2 + Python 3.5.2 + Eclipse 4.4.2 搭配教程

本文主要搭建最新的Python 3.5.2 + Pydev 5.1.2,以及簡單的新建專案示例。 1 Eclipse安裝 l  自行上Eclipse官網下載最新的Eclipse 下載地址: http://www.oracle.com/technetwork/java/jav

Ubuntu 16.04 GTX950M + cuda9.0 + cuDNN7.0 + TensorFlow 1.5 / 1.8 安裝記錄

一、安裝NVIDIA驅動 關閉x-server,ctrl + alt + F1 進入終端介面,登陸 sudo service lightdm stop (X server將會被關閉。可以使用ctrl + alt + F7 檢查一下)禁用 nouveau

windows 2008 server 的IIS 7上執行 django 1.11 + python 3.6

緣起 使用django開發了一個專案,客戶的技術體系是全棧window的,所以要求我們提供把專案部署到windows伺服器的服務。 寫這個原因是舊的在 windows 上執行python網站程式的文件,基本上全過時了。 從macOS登陸windows伺服器

windows 10+GTX1060+cuda9.0+cudnn7.0.5

1. 確定電腦支援的cuda版本。 2.下載cndn9.0 安裝,這裡我選的是精簡安裝。安裝路徑是預設路徑C:\Program Files\NVIDIA GPU Computing Toolkit 3.下載cudnn7.0.5 。解壓壓縮包,把壓縮包中

學習筆記1:深度學習環境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0

        2018年2月13買了一臺Dell Inspiron7577,i7-7700hq、1050Ti顯示卡、win10家庭版。由於課題需要開始學習深度學習,之前在實驗室和自己的筆記本上安裝TensorFlow總是不成功,不然就是僅實現cpu運算。本次安裝主要是按照這

windows 下 c++ 如何呼叫 python 3

本文所使用環境: win10 (x64) +  VS2013 + python 3.5.2 (x64) python官網下載地址 一、先配置環境 1.安裝python 2.把 python 新增到VS2013     (1) VS新建一個空的Win3

Windows 10後臺程序執行python程式碼

#1.安裝服務 python PythonService.py install #2.讓服務自動啟動 python PythonService.py --startup auto install #3.啟動服務 python PythonService.py

1001 害死人不償命的(3n+1)猜想(python 3)

卡拉茲(Callatz)猜想: 對任何一個正整數 n,如果它是偶數,那麼把它砍掉一半;如果它是奇數,那麼把 (3n+1) 砍掉一半。這樣一直反覆砍下去,最後一定在某一步得到 n=1。卡拉茲在 1950 年的世界數學家大會上公佈了這個猜想,傳說當時耶魯大學師生齊

windows 10 上安裝zbar(python)

環境 OS: windows 10 64位 Compiler: VS2015(C++) Python: 2.7 32位 zbar(dll): zbar-0.10-setup.exe zbar(python): zbar-0.10.tar.bz2 安裝

DevExpress Windows 10 v19.1新版亮點:UWP控制元件新功能全面解析

行業領先的.NET介面控制元件DevExpress 日前正式釋出v19.1版本,本站將以連載的形式介紹各版本新增內容。在本系列文章

windows10 64位下tensorflow 3.6+cuda 9.0 +cudnn 9.0安裝過程與踩過的雷

在昨天之前,我甚至還不知道GPU執行tf程式到底長啥樣,就在昨晚我開始嘗試了。那麼問題來了。 如何在windows系統下安裝tf並且成功執行呢?我先說說大致過程,然後吐槽下我遇到的一些坑。 第一步,確保你的電腦有GPU(當然這是廢話了)。這時候最好把顯示卡驅動裝好 第二步,安裝python環境

伺服器(Dell T360)Ubuntu16.04+Tesla P100+CUDA8.0+CUDNN7.0.5配置

這篇文章的方法最後也有問題! 最終配置成功版請見下面這個連結的內容: https://blog.csdn.net/u014106566/article/details/83314626 前言: 一開始我們實驗室嘗試用deb安裝包的方法安裝NVIDIA Tesla P100對應的顯

深度學習環境搭建:ubuntu16.04+nvidia驅動+cuda9.0+cudnn7.0.5

深度學習GPU環境搭建 ubuntu16.04+nvidia驅動+cuda9.0+cudnn7.0.5 安裝nvidia驅動 安裝cuda 安裝 cudnn: ubuntu16.04+nvidia驅動+cud

ubuntu16.04 +cunda9.0+cudnn7.0+tensorflow 1.5gpu 最詳細的安裝教程

ubuntu 是剛剛安裝好的16.04  因為tensorfow 的官網要求:(在安裝之前最好先看看tensorflow官網上對安裝的環境要求,系統版本、顯示卡計算能力、cuda和cudnn的版本,下面使用的都是目前符合tensorflow官網的要求版本)這裡先用cuda9.

GeForce MX150顯示卡+Ubuntu16.04安裝NVIDIA驅動+CUDA9.0+cuDNN7.0.5

博主用的是小米筆記本Pro,一直以為MX150顯示卡是不支援CUDA的,都已經在看遊戲本了,沒報任何希望地搜了搜MX150+CUDA的網頁,看到有些人說英偉達已經為MX50提供了CUDA的支援,喜大普奔啊。。。。 這裡安裝的是NVIDIA-Linux-x86_64-390.

Lua+torch7+cuda8.0+cudnn7.0.5在Ubuntu16.04上的安裝

我的筆記本是聯想Y470 比較老的機子  安裝的bantu第一步安裝筆記本的顯示卡:系統自帶的軟體更新中安裝的。 第二步,安裝cuda 官網下載的,cuda官網下載,根據系統資訊選擇對應的版本,我的是cuda_8.0.61_375.26_linux.run一大堆條款什麼的,願

配置雙系統深度學習環境(雙硬碟GPT+UEFI+GTX1070+Linux Mint18.3+CUDA9.0+cuDNN7.0+Tensorflow-gpu)

今天有空將電腦配置完成,這裡我稍微整理一下,為下一次配置留個記錄,順便分享一下成果。 目錄: I. 開始前的電腦配置和環境 II. 雙系統安裝(win10+linux mint都裝在ssd,EFI引導) III. GTX1070驅動 IV. CUDA