环境配置:win10+cuda9.0+cudnn v7+anaconda+tensorflow1.9(gpu)+spyder+jupyter notebook+pycharm
博主配置的是笔记本:联想Y7000,GPU1050ti
本文参考:
https://blog.csdn.net/cool_easy/article/details/80245741
https://blog.csdn.net/jonms/article/details/80330239
1. cuda9.0(或者下载你想安装的版本),选择本地.exe版本的,以及对应cuda版本的cudnn(就是一个压缩包)
三.安装anaconda并利用anaconda配置tensorlfow虚拟环境
四.spyder+jupyter notebook+pycharm
一.下载各种软件包
1. cuda9.0(或者下载你想安装的版本),选择本地.exe版本的,以及对应cuda版本的cudnn(就是一个压缩包)
nvidia官网cuda下载地址:https://developer.nvidia.com/cuda-toolkit-archive
nvidia官网cudnn下载地址(需要注册登陆):https://developer.nvidia.com/cudnn
如果注册遇到困难的百度云链接: https://pan.baidu.com/s/1h9pPqA2B443ai-AqIfkFbA 密码: rtxv
2.anaconda安装包下载
官网下载地址:https://www.anaconda.com/download/
二.安装显卡驱动
1.点开cuda安装包.exe文件
a.文件解压
这个地方的地址默认就好,应该就是暂时放一下
b.系统硬件兼容性
这个地方我的笔记本系统兼容性检测说无法识别硬件,是否要继续!”This graphics driver could not find compatible graphics hardware...“,这个地方可能是“因为笔记本厂商一般都给自己的机器采用的显卡添加了独特的硬件ID,导致CUDA没有包含这个ID,驱动认不出显卡”,但是也不用担心,可以继续往下安装
c.安装选择高级
勾选内容部分我是把所有已经安装的驱动的勾点掉了,只安装没有的驱动,安装路径默认了,在这个地方可以记录一下自己安装的文件路径
d.安装
如果运气好的话就会安装成功,同时可以在cmd中输入nvcc -V,成功的话会这样:
其实我在六月份的时候安装驱动的时候试了各种方法都没办法安装成功,当时是用舍友的一个说出来就不值钱的方法解决的。
后来七月份的时候又想试一试,发现非常神奇的成功了,同样的是兼容性检测不到硬件,但是后面就成功安装了。
至于这个说出来不值钱的方法,就是把.exe 的文件解压,之后把cudnn压缩包中的文件都对应替换到对应的文件夹中,再把所有的 .dll文件都搜索出来放到一个文件夹中,再把这个文件夹的路径添加到 系统的path当中,这样安装后我当时是可以用gpu跑tensorflow的,至于什么功能永不了,我就不太清楚了。
2.解压cudnn压缩包
解压cudnn文件夹,把解压后的文件夹中的文件复制到cuda驱动的安装路径中,覆盖就可以了。
3.添加文件路径到系统path中
三.安装anaconda并利用anaconda配置tensorlfow虚拟环境
1.安装anaconda
这一步没有什么太多难度,我是放在了固态硬盘里,这样加载的速度比较快
2.建立虚拟环境
具体可参考https://www.geek-share.com/detail/2732208872.html
提示一下,命令行是指anaconda prompt,当你建立好虚拟环境后再anaconda的安装目录下的env文件夹中就有你建立的虚拟环境了,安装后把虚拟环境下的 Scripts文件夹路径添加到path中,上图可见,你需要找到你自己的路径,这样你在cmd中输入python会显示虚拟环境下版本的python
3.安装tensorflow gpu版本
安装之前先换源,添加清华镜像,但是貌似gpu版本tensorflow再清华镜像没有,如果你又和我一样是在国内无法翻墙那可能下载不下来会报错,那么就要用到 豆瓣的服务器了
activate your_env激活你的虚拟环境
pip安装tensorflow:pip install -i https://pypi.douban.com/simple tensorflow-gpu
然后就会嗖嗖嗖的下载安装了
安装成功后测试一下:
没有报错应该就成功啦
四.spyder+jupyter notebook+pycharm
1.spyder+jupyter notebook
spyder+jupyter notebook ,anaconda navigator中都支持无脑安装
我的是安装后的样子,没安装的情况下就点install就好
安装后我的开始菜单中就有了这几个软件,可以直接点开
如果你把虚拟环境的script 添加到系统path中了,也可以直接在cmd中输入spyder或者jupyter notebook
2.pycharm
pycharm是不可以通过anaconda 直接安装的,需要自己去官网下载,安装也比较简单可以自己上网查到教程。这里说一下如何在pycharm中使用anaconda虚拟环境中的解释器(interpreter)
最后,如有问题请及时指正,欢迎大家一起学习讨论,转载请注明出处,谢谢
阅读更多- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- Ubuntu16.04安装cuda8.0,cudnn6.0,并在conda里安tensorflow1.3(与cuda8.0匹配),pycharm的gpu加速环境变量配置
- 环境配置:ubuntu16.04 cuda9.0+cudnn v7+tensorflow(gpu)
- 在PyCharm环境中使用Jupyter Notebook的两种方法
- jupyter notebook conda Ipython环境配置for ML
- 用Docker在Ubuntu下 设置一个完整的Python + TensorFlow + GPU support + jupyter notebook + Deep Learning 开发环境
- centos7 和ubuntu下搭建 jupyter notebook,配置R环境
- Windows下配置jupyter notebook的python3与R运行环境
- jupyter notebook 配置 scala、spark、python等环境
- Caffe学习系列(13):数据可视化环境(python接口)配置 jupyter notebook
- WIN10+tensorflow+ananconda+cuda9.0+cudnn7.0环境配置记录
- Ubuntu16.04配置tensorflow-gpu环境(CUDA+cuDNN)
- win10 配置tensorflow(GPU) anaconda3 cuda9.0 cudnn for 9.0
- Windows10 GPU版Tensorflow配置教程+Anaconda3+Jupyter Notebook
- 在PyCharm环境中使用Jupyter Notebook的两种方法总结
- 深度学习(1)-cuda,cudnn,tensorflow(GPU)的环境配置
- 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
- 惠普暗夜精灵3plus配置ubuntu18.0.4、cuda9.0、cudnn7.0、anaconda(python2.7)、tensorflow-gpu1.8、keras、opencv等
- ubuntu系统下安装anaconda2并配置tensorflow环境及jupyter notebook工具远程登陆来开发用于深度学习环境