WIN10+tensorflow+ananconda+cuda9.0+cudnn7.0环境配置记录
2018-03-07 21:18
267 查看
配置这套环境着实是废了一些劲,留个备份
本流程是在Windows10系统,进行Tensorflow+CUDA9.0的配置,其中使用Anaconda3来进行环境管理,Python版本为3.6。具体流程如下:1.下载相关资源CUDA9.0:https://developer.nvidia.com/cuda-80-ga2-download-archive,即cuda_9.0.176_win10.exe;CUDNNv7.0:https://developer.nvidia.com/cudnn,进入后选择版本:cudnn-9.0-windows10-x64-v7.zip;Anaconda3:https://www.anaconda.com/download/,选择Python3.6对应版本,当前最新版为5.0.1:Anaconda3-5.0.1-Windows-x86_64.exe;2.安装CUDA9.0、CUDNN7.0和Anaconda3CUDA8.0和CUDNN6.0默认安装即可,在安装Anaconda时,要勾选“加入环境变量”和“默认Python3.6”(后者默认勾选),其他默认即可,安装位置可以更改。3.配置Anaconda在开始菜单找到并打开AnacondaPrompt,可以看到目前处于Anaconda3环境(也就是“根目录”环境)下,在打开的命令后输入:conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes
4.建立并激活Tensorflow环境
继续在命令行输入:
conda create --name=tensorflow python=3.6,这句话十分好,不管你anaconda安装的是什么版本,这里创建的环境都是按照你设定的python版本安装的,十分便于安装多版本python,这里即便创建一个python2.7的环境也没有问题
这里,由于在Anaconda3安装的时候,选择了默认Python3.6版本,因此新建立的tensorflow环境就是基于Python3.6。再输入:
activate tensorflow (如果是ubuntu环境,此处为source activate tensorflow)
即可激活tensorflow环境,用deactivate可以取消激活。
5.安装Tensorflow
在激活tensorflow环境状态下,输入:
pip install tensorflow_gpu
会自动选择目前最新的1.5.0版本(支持CUDA8.0和Python3.6)进行安装。
6.测试Tensorflow
在激活tensorflow环境状态下,进入python,输入:
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
如果正常输出Hello, TensorFlow!,则为安装成功。
转一篇linux环境的配置https://blog.csdn.net/ZWX2445205419/article/details/69429518
本流程是在Windows10系统,进行Tensorflow+CUDA9.0的配置,其中使用Anaconda3来进行环境管理,Python版本为3.6。具体流程如下:1.下载相关资源CUDA9.0:https://developer.nvidia.com/cuda-80-ga2-download-archive,即cuda_9.0.176_win10.exe;CUDNNv7.0:https://developer.nvidia.com/cudnn,进入后选择版本:cudnn-9.0-windows10-x64-v7.zip;Anaconda3:https://www.anaconda.com/download/,选择Python3.6对应版本,当前最新版为5.0.1:Anaconda3-5.0.1-Windows-x86_64.exe;2.安装CUDA9.0、CUDNN7.0和Anaconda3CUDA8.0和CUDNN6.0默认安装即可,在安装Anaconda时,要勾选“加入环境变量”和“默认Python3.6”(后者默认勾选),其他默认即可,安装位置可以更改。3.配置Anaconda在开始菜单找到并打开AnacondaPrompt,可以看到目前处于Anaconda3环境(也就是“根目录”环境)下,在打开的命令后输入:conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes
4.建立并激活Tensorflow环境
继续在命令行输入:
conda create --name=tensorflow python=3.6,这句话十分好,不管你anaconda安装的是什么版本,这里创建的环境都是按照你设定的python版本安装的,十分便于安装多版本python,这里即便创建一个python2.7的环境也没有问题
这里,由于在Anaconda3安装的时候,选择了默认Python3.6版本,因此新建立的tensorflow环境就是基于Python3.6。再输入:
activate tensorflow (如果是ubuntu环境,此处为source activate tensorflow)
即可激活tensorflow环境,用deactivate可以取消激活。
5.安装Tensorflow
在激活tensorflow环境状态下,输入:
pip install tensorflow_gpu
会自动选择目前最新的1.5.0版本(支持CUDA8.0和Python3.6)进行安装。
6.测试Tensorflow
在激活tensorflow环境状态下,进入python,输入:
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
如果正常输出Hello, TensorFlow!,则为安装成功。
转一篇linux环境的配置https://blog.csdn.net/ZWX2445205419/article/details/69429518
相关文章推荐
- 深度学习服务器环境配置: Ubuntu17.04+Nvidia GTX 1080+CUDA 9.0+cuDNN 7.0+TensorFlow 1.3
- Ubuntu 16.04 GTX950M + cuda9.0 + cuDNN7.0 + TensorFlow 1.5 安装记录
- ubuntu14.04+CUDA7.0+cuDNN-v2+OPENCV3.0 caffe环境配置
- 学习笔记1:深度学习环境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0
- NVIDIA DIGITS-2.0 + Ubuntu 14.04 + CUDA 7.0 + cuDNN 7.0 + Caffe 0.13.0环境配置
- Caffe(1)--环境配置(Ubuntu16.04+opencv3.1+Anaconda3+CUDA9.0+cuDNN7.0.5)
- Ubuntu 16.04:Pytorch环境搭建(NVIDIA驱动 + CUDA 9.0 + CUDNN 7.0 + Pytorch)
- N卡双显卡电脑装ubuntu15.04并配置Anaconda+Tensorflow+cuda+cuDNN的深度学习环境
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow
- Ubuntu16.04安装NVIDIA驱动+CUDA9.0+cuDNN7.0
- Linux 配置 深度学习环境常用的命令 pytorch-tensorflow-cuda-cudnn-nvcc
- 史上最全的ubuntu16.04安装nvidia驱动+cuda9.0+cuDnn7.0
- [置顶] Ubuntu14.04+Anaconda+Cuda+Cudnn+Caffe环境搭建配置
- 深度学习环境配置(Nvidia驱动+CUDA+cuDNN)
- Ubuntu 14.04+cuda 7.0+cudnn 7.0+caffe安装配置+faster-rcnn安装
- Windows 7下安装TensorFlow1.6(cuda9.0+cuDNN 7.0+python3.5+pip9)
- CUDA & cuDNN环境配置
- Deepin/ubuntu 下安装cuda9.0和cudnn7.0
- 从零开始搭建深度学习服务器: 基础环境配置(Ubuntu + GTX 1080 TI + CUDA + cuDNN)
- torch在ubuntu16.04下的搭建(cuda9.0+cudnn7.0)