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

Security OAuth2 单点登录流程

Security OAuth2 单点登录流程

单点登录（英语：Single sign-on，缩写为 SSO），又译为单一签入，一种对于许多相互关连，但是又是各自独立的软件系统，提供访问控制的属性。当拥有这项属性时，当用户登录时，就可以获取所有系统的访问权限，不用对每个单一系统都逐一登录。这项功能通常是以轻型目录访问协议（LDAP）来实现，在服务器上会将用户信息存储到LDAP数据库中。相同的，单一注销（single sign-off）就是指
阅读更多...
Spring Security基于数据库验证流程详解

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明（认真看哦） AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证，则会调用 #attemptAuthentica
阅读更多...
不懂推荐算法也能设计推荐系统

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例，告诉我们不懂推荐算法的产品，也能从产品侧出发， 设计出一款不错的推荐系统。 相信很多新手产品，看到算法二字，多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法（注：传统是指科班出身的产品都会接触过）。但对于推荐算法，多数产品对着网上搜到的资源，都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后，更是加大了理解的难度。 但，不了解推荐算法，就无法做推荐系
阅读更多...
基于人工智能的图像分类系统

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务，目标是自动识别图像中的对象类别。通过卷积神经网络（CNN）等深度学习技术，我们可以构建高效的图像分类系统，广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统，包括环境
阅读更多...
水位雨量在线监测系统概述及应用介绍

水位雨量在线监测系统概述及应用介绍

在当今社会，随着科技的飞速发展，各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中，水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术，其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成，形成了一个完整的闭环系统。 数据采集单元：这是系统的“眼睛”，
阅读更多...
python: 多模块(.py)中全局变量的导入

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别： 当你在一个模块（文件）中使用 global 声明变量时，这个变量只在该模块的全局命名空
阅读更多...
Andrej Karpathy最新采访：认知核心模型10亿参数就够了，AI会打破教育不公的僵局

Andrej Karpathy最新采访：认知核心模型10亿参数就够了，AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人，AI大神Andrej Karpathy，曾是OpenAI联合创始人之一，特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ，宣布将长期致力于AI原生教育。 近日，Andrej Karpathy接受了No Priors（投资博客）的采访，与硅谷知名投资人 Sara Guo 和 Elad G
阅读更多...
嵌入式QT开发：构建高效智能的嵌入式系统

嵌入式QT开发：构建高效智能的嵌入式系统

摘要： 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发，详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程，包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发，涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用，以及嵌入式 QT 与硬件设备的交互，包括输入输出设
阅读更多...
JAVA智听未来一站式有声阅读平台听书系统小程序源码

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来，一站式有声阅读平台听书系统 🌟 开篇：遇见未来，从“智听”开始 在这个快节奏的时代，你是否渴望在忙碌的间隙，找到一片属于自己的宁静角落？是否梦想着能随时随地，沉浸在知识的海洋，或是故事的奇幻世界里？今天，就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统，它正悄悄改变着我们的阅读方式，让未来触手可及！ 📚 第一站：海量资源，应有尽有 走进“智听
阅读更多...
阿里开源语音识别SenseVoiceWindows环境部署

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别： 采用超过 40 万小时数据训练，支持超过 50 种语言，识别效果上优于 Whisper 模型。富文本识别：具备优秀的情感识别，能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力，支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2