前言：安装这个东西，折腾了大半天,查阅了很多资料。但最终还是安装成功了，并记录下来。希望给大家一些借鉴，顺利完成安装。整个安装过程需要很强的版本控制。显卡驱动==>CUDA<==>cuDAA<==>tensorflow_gpu==>keras 1、我安装的版本为（自测可用）：python:3.6.6tensorflow_gpu:2.1.0CUDA:10.1cuD
转载
2024-03-29 15:13:18
97阅读
安装TensorFlow-gpu版时，关于驱动问题遇到了很大的坑，这里记录一下。 TensorFlow-gpu版需要cuda和cudnn的支持，而cuda又需要NVIDIA驱动的支持，三者存在版本匹配的关系。 最新版的cuda是10.2，除了刚发布的TensorFlow2.0以外
1. 下载1.1 系统镜像由于我尝试了ubuntu14.04，安装Nvidia驱动之后，会出现循环登录的问题，并始终无法找到有效的解决途径，所以只能选择ubuntu16.04了。 镜像地址 https://www.ubuntu.com/download/alternative-downloads
1.2 CUDA 8.0https://developer.nvidia.com/cuda
Ubuntu18.04安装Tensorflow1.8.0（GPU版)先说一下环境配置：系统：Ubuntu18.04 GPU: MX110注意：安装之前一定要先把CUDA和cuDNN的版本搞清楚了，因为CUDA与cuDNN的版本必须要和Tensorflow的版本对应上，否则即使安装成功，最后在python环境里导入tensorflow时也会报错。如下图所示，本文选择的版本是Tensorflow1.8
1.gcc/g++降级Ubuntu18.04自带的gcc/g++是7.0版本的，但cuda不支持这么高版本，我们需要安装4.8版本。 1.下载安装4.8版本的gcc/g++sudo apt-get install gcc-4.8
sudo apt-get install g++-4.82.让gcc软连接至4.8版本的gcc，g++软连接至4.5版本的g++装完后进入到/usr/bin目
转载
2024-05-30 09:44:00
226阅读
Tensorflow 的 GPU版本需要安装 CUDA 库。不同的 python 版本，tensorflow-gpu版本，以及
原创
2023-05-07 15:51:59
623阅读
anaconda安装见前一篇/打开Anaconda-Navigator->Environments->base(root)修改python版本到3.6.8python3.7目前对tensorflow2.0支持不好创建环境在Anaconda里创建名为tensorflow-gpu的环境conda create -n tensorflow-gpu python=3.6.8进入tensorfl
安装前准备 TensorFlow 有两个版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支持，CPU 版本不需要。如果你要安装 GPU 版本，请先确认你的显卡支持 CUDA。我安装的是 GPU 版本，采用 pip 安装方式，所以就以 GPU 安装为例，CPU 版本只不过不需要安装 C
转载
2024-04-25 09:57:08
495阅读
前两天花了一天多的时间安装tensorflow，我想大部分同学都是用来想做机器学习，深度学习的吧，以下是我整理的一些过程和心得。建议从头开始按一个博客来，不建议一会跟着这个博客操作，一会又跟着另一个操作，同时希望大家在学tensorflow前别被安装tensorflow折磨而失去了动力，于是就有了这篇博文。前提：已装好了Anaconda（没装过得同学可以去其他博客看一下，把他装好哦，记得配置环境变
目录显卡计算能力查询1. tensorflow-gpu版本与CUDA、cuDNN版本对应表2. Anaconda镜像源下载3. CUDA下载4. cudnn下载5. tensorflow2.0-gpu6. PyTorch-gpu7. GitHub上传代码教程8. 用Git克隆GitHub代码9. Anaconda创建新环境10. Anaconda增加镜像源，以及创建环境时出现http error
转载
2024-03-08 09:01:16
209阅读
安装前准备TensorFlow 有两个版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支持，CPU 版本不需要。如果你要安装 GPU 版本，请先确认你的显卡支持 CUDA。我安装的是 GPU 版本，采用pip 安装方式，所以就以 GPU 安装为例，CPU 版本只不过不需要安装 CUDA 和 cuDNN。在 这里 确认你的显卡支持 CUDA。确保你的 Pytho
转载
2024-04-18 22:16:27
160阅读
一、安装条件可以参考tensorflow官网需求https://tensorflow.google.cn/install/gpu 需求如下图1.nvidia gpu驱动必须在 418.x或者更高 2.cuda toolkit 10.1版本支持tensorflow 2.1以上版本 3.cuDNN SDK 大于或等于7.6 满足以上需求其他的可以忽略的ps：未安装cuda跟cudnn的可以先不安装，推
转载
2024-06-08 19:22:15
196阅读
CUDA9.0是目前最新的Cuda版本，VS2017也是目前最新的Visual Studio版本，当前（2017/09）网上很少有CUDA9.0+VS2017的配置。 为什么非要用CUDA9.0呢？因为CUDA8.0是与VS2017不兼容的，就是说如果想用CUDA8.0，必须使用VS2015以下的VS版本。好消息是CUDA9.0开始兼容VS2017，以后CUDA9.0+VS2017将会成为一种趋
目录一、Tesorflow2.1-GPU版本安装1.anaconda安装2.NVIDIA驱动安装3.CUDA安装4.cuDNN安装5.Tensorflow安装二、Pytorch安装1.配置清华源2.安装pytorch参考 一、Tesorflow2.1-GPU版本安装1.anaconda安装参考：参考
2.NVIDIA驱动安装打开Anaconda Prompt，输入命令nvidia-smi，查看自己
一、安装Anaconda与Python详情直接参考我的这篇文章Anaconda安装与配置二、安装CUDA1.首先查看本机GPU对应的cuda版本，如下图所示，本机cuda版本为11.6，后面选择的cuda版本不要超过这里的版本。操作：单击鼠标右键->NVIDIA控制面板->帮助->系统信息->组件 2.检查完cuda之后，进入 https://developer.
转载
2024-05-02 08:19:22
3811阅读
在使用了一段时间的cpu版本的tensorflow之后，出于对GPU版本的好奇和实际中想用GPU加速训练的探索。本人看了好多博客也配置了好多次，趟过的浑水可以说是极多了，对产生过启发的博客作者再次表示感谢。（结尾有彩蛋，需要下载CUDA各版本和cnDNN7.0的朋友们有福了） 第一步，我是在windows10系统上
1、为什么要装CUDA，CUDNN：先来讲讲CPU和GPU的关系和差别吧。截图来自（CUDA的官方文档）： 从上图可以看出GPU（图像处理器，Graphics Processing Unit）和CPU（中央处理器，Central Processing Unit）在设计上的主要差异在于GPU有更多的运算单元（如图中绿色的ALU），而Control和Cache单元不如CPU多，这是因为GPU在进行并行
转载
2024-04-16 17:23:18
236阅读
Ubuntu18.04+Nvidia+Cuda10+TensorFlow2.0一、Nvidia驱动安装# 列出设备，显示的model是显卡型号，driver
原创
2020-03-06 12:20:59
59阅读
1.CUDA对应的NVIDIA驱动版本对照表，参考一下表格2.显卡驱动安装，参考这里我这里选择安装的显卡驱动是NVIDIA-Linux-x86_64-410.78.run，安装是否成功，可以输入这个命令nvidia-smi，如果有显示GPU信息，那就是安装成功了。3.cuda安装装cuda首先需要降级：sudo add-apt-repository ppa:ubuntu-toolchain-r/t
转载
2024-07-22 12:41:25
2205阅读
GPU 的硬件基本概念Nvidia的版本： 实际上在 nVidia 的 GPU 里，最基本的处理单元是所谓的 SP(Streaming Processor)，而一颗 nVidia 的 GPU 里，会有非常多的 SP 可以同时做计算;而数个 SP 会在附加一些其他单元，一起组成一个 SM(Streaming Multiprocessor)。几个 SM 则会在组成所谓的 TPC(Texture Pr
转载
2024-07-03 21:41:57
76阅读
