基于Anacoda搭建虚拟环境cudnn6.0+cuda8.0+python3.6+tensorflow-gpu1.4.0

2022-08-26 20:30:23 阅读：218 来源： 互联网

标签：cudnn6.0 gpu1.4 cudnn 虚拟环境 conda gpu tf tensorflow 安装

！一定要查准cudnn，cuda，tensorflow-gpu对应的版本号再进行安装，且本文一切安装均在虚拟环境中完成。

下文以笔者自己电脑为例，展开安装教程阐述（省略anaconda安装教程）：

1.查询电脑CUDA版本

2. 确认对应的cudnn，cuda，tensorflow-gpu版本号（链接）

3.如果先前安装过tensorflow-gpu，先卸载（没有安装过，此条可忽略）

activate tensorflow # 进入已有的tensorflow虚拟环境

pip3 unistall tensorflow-gpu

pip3 unistall tensorflow-tensorboard

conda env list  #检测目前安装了哪些环境

4.创建虚拟环境并进入（在anaconda prompt终端执行）

conda create -n tensorflow python=3.7 #（tensorflow：自己取的tensorflow环境名，Python：对应的python版本）
conda ativate tensorflow

5.安装cuda，cudnn

　　5.1 因为直接pip install cuda = 8.0 很容易环境出错，尽量还是避免；本文找到了镜像（链接），直接下载安装包；

　　5.2 进入终端，cd 路径到安装包路径，如下图

　　5.3 安装cudatoolkit和cudnn-cuda安装包

conda install cudnn-7.1.4-cuda8.0_0.tar.bz2

　　5.4 但是我安装的cudnn是7.0+版本，而我需要的是6.0版本，所以我另外在anaconda navigator图形化界面进行版本更新。P：如果无法打开navigator图形化界面可参考该文章（链接）

　　一般出现这个错误提示，代表版本不对应。

至此，cuda和cudnn对应的版本已安装完成。

6. 安装tensorflow-gpu （最好用pip，conda命令可能引起不必要的麻烦）

pip3 install tensorflow-gpu==1.4.0

7. 验证是否安装成功

进入Python环境；输入

mport tensorflow as tf #进入tensorflow

tf.__version__  #tensorflow-gpu版本

注：当出现蓝框warning时，是提示tensorflow2.0 以下最好：用numpy 1.16.+版本；输入以下命令即可。

pip install -U numpy==1.16.4

其他问题（tensorflow-gpu安装过程中出现的tf.test.is_gpu_avaiable()返回false的一部分解决方法）

8. 虚拟环境键入pycharm编辑器；可借鉴该文章（基于conda pycharm 的tensorflow安装配置）

9. 测试

import tensorflow as tf
import numpy as np
 
# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300
 
# 构造一个线性模型
#
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b
 
# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
 
# 初始化变量
init = tf.initialize_all_variables()
 
# 启动图 (graph)
sess = tf.Session()
sess.run(init)
 
# 拟合平面
for step in range(0, 201):
    sess.run(train)
    if step % 20 == 0:
        print (step, sess.run(W), sess.run(b))
 
# 得到最佳拟合结果 W: [[0.100  0.200]], b: [0.300]

标签：cudnn6.0,gpu1.4,cudnn,虚拟环境,conda,gpu,tf,tensorflow,安装
来源： https://www.cnblogs.com/zx0423/p/16629057.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

基于Anacoda搭建虚拟环境cudnn6.0+cuda8.0+python3.6+tensorflow-gpu1.4.0