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

基于Python实现一个图片拆分工具

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片，默认是输出到项目文件夹中，可以自己选择其他的文件夹，选择需要拆分的行数和列数，可以通过
阅读更多...
Python中反转字符串的常见方法小结

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函
阅读更多...
Python中将嵌套列表扁平化的多种实现方法

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表（即列表中包含列表）转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert
阅读更多...
使用Docker构建Python Flask程序的详细教程

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker
阅读更多...
Python使用vllm处理多模态数据的预处理技巧

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核
阅读更多...
Python使用pip工具实现包自动更新的多种方法

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核
阅读更多...
Conda与Python venv虚拟环境的区别与使用方法详解

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,：本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v
阅读更多...
Knife4j+Axios+Redis前后端分离架构下的 API 管理与会话方案(最新推荐)

Knife4j+Axios+Redis前后端分离架构下的 API 管理与会话方案(最新推荐)

《Knife4j+Axios+Redis前后端分离架构下的API管理与会话方案(最新推荐)》本文主要介绍了Swagger与Knife4j的配置要点、前后端对接方法以及分布式Session实现原理,... 目录一、Swagger 与 Knife4j 的深度理解及配置要点Knife4j 配置关键要点1.Spri
阅读更多...
Python使用python-can实现合并BLF文件

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库：CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合
阅读更多...
Python使用OpenCV实现获取视频时长的小工具

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2