win10戴尔游侠GTX1050TI+TensorFlow-gpu+CUDA10.0.130+CUDNN7.4.1.5配置深度学习环境
2018-11-20 09:36
2711 查看
因为想要搞一搞ML,实验室服务器排不上,只好自己搭个环境。
win10
1,IDE用的pycharm,在pycharm里面下载的TensorFlow-gpu 1.12.0;
2,然后查看显卡支持哪个版本的CUDA,控制面板 - >所有控制面板项 - >双击NVIDIA控制面板项
在NVIDIA面板控制里面选择通过预览调整图像设置 ,选择再 帮助里面的系统-信息
系统信息的组件里面就有显卡适配的CUDA版本。我的是CUDA10.0.150
3、去NVIDIA官网下载CUDA
4、下载CUDNN需要注册用户,不过很容易
注册后去找与你下载的CUDA版本对应的CUDNN版本
提示:用浏览器下载很慢的,可以把下载链接复制到迅雷里面,一会就下好了。
============================================================================
抱歉哈,没安上,cuda和tensorflow的版本不匹配,尝试了好多版本,终于,tensorflow-gpu1.8+cuda9.0.103+cudnn7.1,成功了。
阅读更多
相关文章推荐
- 配置双系统深度学习环境(双硬盘GPT+UEFI+GTX1070+Linux Mint18.3+CUDA9.0+cuDNN7.0+Tensorflow-gpu)
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow
- N卡双显卡电脑装ubuntu15.04并配置Anaconda+Tensorflow+cuda+cuDNN的深度学习环境
- Ubuntu18.04安装CUDA9.0,cudnn7.1.3,opencv3.4 tensorflow GPU 1.10 搭建GTX1070深度学习环境
- Linux 配置 深度学习环境常用的命令 pytorch-tensorflow-cuda-cudnn-nvcc
- ubuntu16.04深度学习环境的配置(Nvida gtx 750 Ti+Cuda9.0+Cudnn7.0)
- ubuntu16.04+双显卡驱动+cuda9.1+cudnn7.05深度学习环境配置
- 配置深度学习GPU加速(Cuda以及Cudnn安装,win10操作系统下)
- 深度学习环境配置:ubuntu16.04 + cuda8.0 + cudnn5.1
- Ubuntu 17.10 + CUDA8.0+cudnn 在GT610 电脑上配置深度学习环境
- 深度学习环境配置(Nvidia驱动+CUDA+cuDNN)
- 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
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow
- 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)
- 学习笔记1:深度学习环境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0
- Tensorflow1.4.0(GPU)+Win10+Anaconda5.0.1+CUDA8.0+cuDNN6.0+Python3.6深度学习环境安装
- 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
- 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