七,安装conda install tensorflow-gpu=1.9,cuda9.0 cudnn7.1.2
2018-11-15 14:55
806 查看
1,创建虚拟环境
conda create -n tf_gpu_py3 python=3.6
source activate tf_gpu_py3
conda install numpy
conda install matplotlib
conda install scikit-image
2,从指定的源安装
{
这个安装与版本不配套!但是值得借鉴!
https://anaconda.org/anaconda/tensorflow-gpu
conda install -c anaconda tensorflow-gpu (这种安装虽然成功,但是与我cuda9。0的版本是不匹配的,所以不行)
}
conda install tensorflow-gpu=1.9 (cuda9.0 cudnn7_7.1.2)
这个版本自动安装对应的是cuda9.2_0,cudnn的版本是:7.1.2-cuda9.2_0
我在安装cudnn的时候,选择的是cudnn7.1.4,安装tensorflow-gpu=1.9.0后测试了一下,没出问题!
注意:这里安装的cuda和cudnn是在conda--python环境的,并没有影响其他环境的cudnn,cuda版本。
在我的电脑安装cuda的时候,安装了cuda例子源代码
cd ~/Documents/NVIDIA_CUDA-9.0_Samples/1_Utilities/deviceQuery$
./deviceQuery 这行这个程序,会发现系统原来安装的版本没受影响。
3,验证
执行: python
输入:
import tensorflow as tf
tf.__version__
'1.11.0'
4,安装keras,这里安装这个版本的原因是我要学习的mask-rcnn要求这个版本!
pip install keras==2.0.8
阅读更多
相关文章推荐
- win10 安装cuda9.0+cuDNN7+tensorflow-gpu1.4
- Windows10+Cuda9.0+cuDNN7.3+Anaconda+Tensorflow-gpu+Keras安装教程
- 双显卡 ubuntu16.04 安装 NVIDIA驱动 + CUDA + cuDNN + tensorflow-gpu + keras
- win10+cuda8.0+cudnn+Tensorflow(GPU)安装
- linux下 安装anaconda NVIDIA显卡驱动 cuda cudnn tensorflow-gpu 线下安装!
- ubuntu14.04下CUDA8.0+cuDNN+tensorflow(with gpu support)安装教程
- ubuntu 18.04 RTX2080 --- tensorflow gpu + cuda9.0 + cudnn7.3.1.20_cuda9.0
- CentOS 7中以runfile形式安装CUDA 9.0+cuDnn+TensorFlow
- Ubuntu16.04安装cuda+cudnn+Tensorflow踩坑全过程
- ubuntu 16.04 安装 tensorflow-gpu 包括 CUDA ,CUDNN,CONDA
- 深度工具合集安装(Nvidia+CUDA+cuDNN+Tensorflow+OpenBLAS+Caffe+Theano+Keras+Torch+Mxnet+X2Go)
- ubuntu16.04+CUDA本地安装+cuDNN本地安装+tensorflow
- 学习笔记1:深度学习环境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0
- [置顶] 深度学习框架搭建 Ubuntu16.04+CUDA+Anaconda4.2+Python3.5+keras+TensorFlow gpu+cuDNN
- Ubuntu18.04安装CUDA9.0,cudnn7.1.3,opencv3.4 tensorflow GPU 1.10 搭建GTX1070深度学习环境
- CUDA+cudnn+tensorflow-gpu
- Py之TF/Cuda/Cudnn:Win10下安装深度学习框架Tensorflow+Cuda+Cudnn最简单最快捷最详细攻略—Jason niu
- 深度工具安装(NVIDIA+cuda+cudnn+tensorflow)
- ubuntu16.04 +NVIDIA驱动+cuda8.0+cudnn+andaconda+tensorflow(GPU版)+Spyder+pycharm全套配置
- 深度工具合集安装(Nvidia+CUDA+cuDNN+Tensorflow+OpenBLAS+Caffe+Theano+Keras+Torch+Mxnet+X2Go)