Win10系统搭建最新Anaconda（3）+python（3.8）+tensorflow-gpu（2.7）+CUDA（11.5）+cuDNN（8.1）环境的详细流程

2023-12-26 08:30
文章标签 python anaconda 系统 流程 搭建 环境 详细 win10 gpu 最新 2.7 cuda 8.1 cudnn tensorflow 3.8 11.5

本文主要是介绍Win10系统搭建最新Anaconda（3）+python（3.8）+tensorflow-gpu（2.7）+CUDA（11.5）+cuDNN（8.1）环境的详细流程，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、Anaconda安装

1. 下载安装

下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
镜像使用帮助：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
参考教程（简书，很详细）：https://www.jianshu.com/p/62f155eb6ac5

2. 验证安装成功

终端输入：conda list

在这里插入图片描述

在终端中输入anaconda-navigator。如果Anaconda被成功安装，则Anaconda Navigator将会被启动。

3. 修改镜像

Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改
生成文件路径在：C:\Users\UserName

在这里插入图片描述

channels:- defaults
show_channel_urls: true
default_channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmsys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudbioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmenpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudsimpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

二、Windows下安装CPU版本的tensorflow

终端是：Anaconda Prowershell Prompt

1. 搭建python环境

在Anaconda Prompt中，用Anaconda3创建一个python的环境，环境名称为tensorflow ，输入下面命令：

  • 查看python版本在这里插入图片描述
    输入命令：conda create -n tensorflow python=3.8.8
  • 查看环境
    运行 开始—>Anaconda3—>Anaconda Navigator，点击左侧的Environments，可以看到tensorflow的环境已经创建好了。
    在这里插入图片描述
  • 打开与关闭tensorflow环境
    在这里插入图片描述

2. 安装TensorFlow

CPU版本-命令是：pip install --ignore-installed --upgrade tensorflow
在这里插入图片描述

.whl下载地址
https://pypi.org/project/tensorflow/#files

使用镜像下载：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade --ignore-installed tensorflow

速度快的飞起~

3.测试代码

注意：这里安装的是TF2.0版本，因此使用TF1.x的版本测试代码会出现问题，可修改后使用（TF2.0中已经移除了session这一功能）

import tensorflow as tf
tf.compat.v1.disable_eager_execution() #保证sess.run()能够正常运行
hello = tf.constant('Hello, TensorFlow!')  #初始化一个TensorFlow的常量
#sess = tf.Session()  #启动一个会话 TensorFlow1.x版本
sess =  tf.compat.v1.Session()
print(sess.run(hello))

在这里插入图片描述
可能出现的问题：
输入import tensorflow as tf
提示No module named 'tensorflow'问题
输入conda list 查看
在这里插入图片描述
其中没有tensorflow 和 numpy包，需要安装
在tensorflow环境下conda install tensorflow
在查看conda list 已经存在tensorflow 和 numpy包

运行测试程序
在这里插入图片描述

三、Windows下安装GPU版本的TensorFlow

参考TensorFlow官方文档：https://tensorflow.google.cn/install/source_windows

1. 安装CUDA

查看机器的显卡并检查显卡是否支持CUDA

官方的安装介绍文档：https://docs.nvidia.com/cuda/
Windows
Linux

**IMP！！！先检查自己的CPU是否为安培架构，如果是安培架构（RTX30代）**可以选择CUDA11以上，如果是非安培架构推荐使用CUDA10.2，性能更优。此处自己初次安装，机器是RTX2060，非安培架构（图灵架构），但是安装了CUDA11.5（以下部分参考图示有些是V10.2，操作过程均相同）

（此处推荐一个很方便的截图工具Snipastehttps://zh.snipaste.com/）

windows winkey+x键调出此界面，打开设备管理器

在这里插入图片描述

在这里插入图片描述

打开NVIDIA网址查看支持情况https://developer.nvidia.com/zh-cn/cuda-gpus

在这里插入图片描述
结论：此机器的显卡支持CUDA

下载安装CUDA

最新版本（11.5.1）下载网址：https://developer.nvidia.com/cuda-downloads
以往的版本下载网址：https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述
本地安装CUDA
双击exe->选择解压缩安装程序的暂存目录->安装（依此选择精简—>I understand…）
**注意：**安装期间请关闭杀毒软件
在这里插入图片描述

2. 配置cuDNN

官方安装介绍文档：https://docs.nvidia.com/deeplearning/cudnn/install-guide/

下载软件

最新版本网址：https://developer.nvidia.com/zh-cn/cudnn
cuDNN以往的版本：https://developer.nvidia.com/rdp/cudnn-archive
此网站需要注册会员（免费）进行下载，（网站响应较慢，耐心等待）
选择与CUDA相匹配的版本
cuDNN v8.3.0对应CUDA11.5
在这里插入图片描述
在这里插入图片描述
解压cuDNN，并将其文件拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5下
如下图（此图是CUDA10.2版本，11.5版本相同）：
在这里插入图片描述
配置环境变量
安装好CUDA后，环境变量中已经有CUDA_PATH和CUDA_PATH_Vx.x，并且系统环境变量中也已经添加
在这里插入图片描述
此外还需要在path中添加以下环境变量：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\extras\CUPTI\lib64

安装完成后看一下显卡信息
进入到对应的目录下运行.\deviceQuery.exe
在这里插入图片描述

3.搭建TensorFlow的GPU虚拟环境

安装python

conda create --name tensorflow-gpu python=3.8.8 anaconda
在这里插入图片描述
在这里插入图片描述
启动与关闭TensorFlow-gpu虚拟环境
在这里插入图片描述

安装TensorFlow

在TensorFlow-gpu虚拟环境下安装TensorFlow-gpu版本
命令：pip install tensorflow-gpu
在这里插入图片描述
速度太慢了，4个小时受不了
使用下面的命令:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ tensorflow-gpu
安装指定版本的tensorflow-gpu命令：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.3.0
在这里插入图片描述
不到一分钟解决！！！
在这里插入图片描述
此时查看一下Anaconda Navigator中也已经安装完毕！！！
在这里插入图片描述

3. 安装结束进行测试验证

简单验证一下
TensorFlow-gpu虚拟环境下唤醒spyder
在这里插入图片描述

# -*- coding: utf-8 -*-
"""
Spyder EditorThis is a temporary script file.
"""
import tensorflow as tfa = tf.constant([1.0,2.0],name="a")
b = tf.constant([3.0,4.0],name="b")result = a + bprint(result)

在这里插入图片描述
完毕！

遇到问题

CUDA11.5版本 cuDNN8.3.1官方给出的对应版本，测试起来不匹配
可以看一下：

2021-11-27 22:38:54.686294: I tensorflow/stream_executor/cuda/cuda_dnn.cc:366] Loaded cuDNN version 8301
Could not load library cudnn_cnn_infer64_8.dll. Error code 126
Please make sure cudnn_cnn_infer64_8.dll is in your library path!

在这里插入图片描述

网上的类似的问题：https://stackoverflow.com/questions/66355477/could-not-load-library-cudnn-ops-infer64-8-dll-error-code-126-please-make-sure
在这里插入图片描述
在这里插入图片描述
可以参考官方TensorFlow已测试搭建版本
在这里插入图片描述
怎么解决呢？
stackoverflow网址

  1. 路径的问题，前面路径都已经配置，此问题这种方法不适用
  2. 官方给出的版本不一致，目前官方给出的cuDNN v8.3其实和CUDA v11.5不匹配，网友的做法是选择非当前对应版本，比当前版本靠前一些的版本（太坑了，遇到此问题后，我原以为是路径的问题，期间重新安装了CUDA10.2 以及对应的cuDNN版本，添加了对应的变量路径，后没有出现此问题，但遇到tensorflow版本不一致的问题，掉头发……，决定重新安装11.5版本，还是遇到此问题）建议根据TensorFlow官方已测试CUDA和cuDNN对应版本安装，避免踩大坑

在这里插入图片描述
3. 建议根据TensorFlow官方适配的版本安装

博主根据第二点进行安装的CUDA是v11.5版本，选cuDNN是v8.2.1

在这里插入图片描述
运行结果，成功解决此问题：
在这里插入图片描述

4. 安装paddlepaddle-gpu

conda命令下安装：conda install paddlepaddle-gpu==2.2.0 cudatoolkit=10.2 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/
在这里插入图片描述
在这里插入图片描述

验证安装是否成功
python环境下输入一下命令：

import paddle
paddle.utils.run_check()

显示：
在这里插入图片描述

结束语

博客的目的一是为了后续自己的学习做一个记录，另一是把自己的操作流程分享出来，方便其他同学们参考，同时自己也参考了多个优秀博主的教程，也算是一个回馈！

这篇关于Win10系统搭建最新Anaconda（3）+python（3.8）+tensorflow-gpu（2.7）+CUDA（11.5）+cuDNN（8.1）环境的详细流程的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/538729。

相关文章

python生成随机唯一id的几种实现方法

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1：使用 UUID 模块（推荐）方法 2：使用 Secrets 模块（安全敏感场景）方法
阅读更多...
Windows环境下解决Matplotlib中文字体显示问题的详细教程

Windows环境下解决Matplotlib中文字体显示问题的详细教程

《Windows环境下解决Matplotlib中文字体显示问题的详细教程》本文详细介绍了在Windows下解决Matplotlib中文显示问题的方法,包括安装字体、更新缓存、配置文件设置及编码調整,并... 目录引言问题分析解决方案详解1. 检查系统已安装字体2. 手动添加中文字体（以SimHei为例）步骤
阅读更多...
Ubuntu 24.04启用root图形登录的操作流程

Ubuntu 24.04启用root图形登录的操作流程

《Ubuntu24.04启用root图形登录的操作流程》Ubuntu默认禁用root账户的图形与SSH登录,这是为了安全,但在某些场景你可能需要直接用root登录GNOME桌面,本文以Ubuntu2... 目录一、前言二、准备工作三、设置 root 密码四、启用图形界面 root 登录1. 修改 GDM 配
阅读更多...
MySQL 迁移至 Doris 最佳实践方案(最新整理)

MySQL 迁移至 Doris 最佳实践方案(最新整理)

《MySQL迁移至Doris最佳实践方案(最新整理)》本文将深入剖析三种经过实践验证的MySQL迁移至Doris的最佳方案,涵盖全量迁移、增量同步、混合迁移以及基于CDC(ChangeData... 目录一、China编程JDBC Catalog 联邦查询方案（适合跨库实时查询）1. 方案概述2. 环境要求3.
阅读更多...
SpringSecurity整合redission序列化问题小结(最新整理)

SpringSecurity整合redission序列化问题小结(最新整理)

《SpringSecurity整合redission序列化问题小结(最新整理)》文章详解SpringSecurity整合Redisson时的序列化问题,指出需排除官方Jackson依赖,通过自定义反序... 目录1. 前言2. Redission配置2.1 RedissonProperties2.2 Red
阅读更多...
Java JDK1.8 安装和环境配置教程详解

Java JDK1.8 安装和环境配置教程详解

《JavaJDK1.8安装和环境配置教程详解》文章简要介绍了JDK1.8的安装流程,包括官网下载对应系统版本、安装时选择非系统盘路径、配置JAVA_HOME、CLASSPATH和Path环境变量,... 目录1.下载JDK2.安装JDK3.配置环境变量4.检验JDK官网下载地址：Java Downloads
阅读更多...
nginx -t、nginx -s stop 和 nginx -s reload 命令的详细解析(结合应用场景)

nginx -t、nginx -s stop 和 nginx -s reload 命令的详细解析(结合应用场景)

《nginx-t、nginx-sstop和nginx-sreload命令的详细解析(结合应用场景)》本文解析Nginx的-t、-sstop、-sreload命令,分别用于配置语法检... 以下是关于 nginx -t、nginx -s stop 和 nginx -s reload 命令的详细解析，结合实际应
阅读更多...
Spring boot整合dubbo+zookeeper的详细过程

Spring boot整合dubbo+zookeeper的详细过程

《Springboot整合dubbo+zookeeper的详细过程》本文讲解SpringBoot整合Dubbo与Zookeeper实现API、Provider、Consumer模式,包含依赖配置、... 目录Spring boot整合dubbo+zookeeper1.创建父工程2.父工程引入依赖3.创建ap
阅读更多...
使用Python删除Excel中的行列和单元格示例详解

使用Python删除Excel中的行列和单元格示例详解

《使用Python删除Excel中的行列和单元格示例详解》在处理Excel数据时,删除不需要的行、列或单元格是一项常见且必要的操作,本文将使用Python脚本实现对Excel表格的高效自动化处理,感兴... 目录开发环境准备使用 python 删除 Excphpel 表格中的行删除特定行删除空白行删除含指定
阅读更多...
MySQL 多列 IN 查询之语法、性能与实战技巧(最新整理)

MySQL 多列 IN 查询之语法、性能与实战技巧(最新整理)

《MySQL多列IN查询之语法、性能与实战技巧(最新整理)》本文详解MySQL多列IN查询,对比传统OR写法,强调其简洁高效,适合批量匹配复合键,通过联合索引、分批次优化提升性能,兼容多种数据库... 目录一、基础语法：多列 IN 的两种写法1. 直接值列表2. 子查询二、对比传统 OR 的写法三、性能分析
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2