Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0-6ren

gpt4 book

didi

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

转载作者：qq735679552 更新时间：2022-09-29 22:32:09

36

4

gpt4 key购买

nike

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

下载地址

官方下载：CUDA和CUDNN. 。

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

安装CUDA

安装之前，建议关掉360安全卫士。

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

双击cuda_11.0.3_451.82_win10.exe文件。

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

根据自己需要更改安装路径。

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

将Visual Studio Integration的勾去掉。

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

配置环境变量

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp;

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

安装CUDNN

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

将下载的CUDNN解压缩，如下图.

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

将将CUDNN文件夹里面的bin、include、lib文件直接复制到CUDA的安装目录，如下图为CUDA的安装位置，粘贴过来直接覆盖即可.

# CUDA的安装目录
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

等待复制完成，即可！。

验证CUDA是否安装成功

打开cmd，输入如下命令，即可！。

nvcc -V

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

安装tesorflow-gpu2.4.1

查看对应版本。

https://tensorflow.google.cn/install/source_windows#gpu 。

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.4.1

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

测试代码。

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
print(tf.__version__)
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

安装pytorch-gpu1.7.0

查看对应版本。

https://pytorch.org/get-started/previous-versions/ 。

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

pip install torch===1.7.0+cu110 torchvision===0.8.1+cu110 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

测试代码。

import torch
print(torch.__version__)
print(torch.cuda.is_available())

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

安装paddlepaddle-gpu2.0.0

查看对应版本。

https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/2.0/install/pip/windows-pip.html 。

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

python -m pip install paddlepaddle-gpu==2.0.0.post110 -f https://paddlepaddle.org.cn/whl/stable.html

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

测试代码。

import paddle
paddle.utils.run_check()

Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0

到此这篇关于Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0的文章就介绍到这了,更多相关tensorflow pytorch CUDA 安装内容请搜索我以前的文章或继续浏览下面的相关文章希望大家以后多多支持我！。

原文链接：https://blog.csdn.net/FriendshipTang/article/details/114412291 。

最后此篇关于Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0的文章就讲到这里了,如果你想了解更多关于Win10下安装CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！。

36

4

0

文章推荐： php实现的三个常用加密解密功能函数示例

文章推荐： C++实现LeetCode(171.求Excel表列序号)

文章推荐： C++实现LeetCode(168.求Excel表列名称)

文章推荐： php实现的中秋博饼游戏之掷骰子并输出结果功能详解

gpu - 如果有多个 GPU，哪一个 GPU 会实际渲染到所有显示器？
谁能解释或指出在多 GPU/多显示器设置中渲染如何工作的解释(或至少一些线索)？例如，我安装了 5 个 NVIDIA Quadro 4000 视频卡并连接了 9 个显示器。显示不进行任何分组。刚刚在
gpu - Spacy + GPU 给出错误 : GPU is not accessible. 库是否安装正确？
以下代码报错: import spacy spacy.require_gpu() Traceback (most recent call last): File "/home/user/Pycha
gpu - 为什么深度学习需要 GPU？
正如问题已经暗示的那样，我是深度学习的新手。我知道模型的学习过程在没有 GPU 的情况下会很慢。如果我愿意等待，如果我只使用CPU可以吗？最佳答案在计算深度学习(以及一般的神经网络)中执行的许多操
gpu - 渲染脚本和 GPU
我知道 Renderscript 的设计是为了掩盖我正在运行的处理器的事实，但是有没有办法编写代码，以便在支持 GPU 计算的设备(目前是 Nexus 10)上运行显卡？有什么方法可以判断脚本的功能正
gpu - GPU 编程简介
关闭。这个问题是opinion-based 。目前不接受答案。想要改进这个问题吗？更新问题，以便 editing this post 可以用事实和引文来回答它。 . 已关闭 8 年前。 Improv
gpu - 找一个有足够显存的 GPU
我想以编程方式找出可用的 GPU 及其当前内存使用情况，并根据内存可用性使用其中一个 GPU。我想在 PyTorch 中执行此操作。我在这个 post 中看到了以下解决方案: import torc
gpu - 类似于 GPU Gems 系列的实际 GPU 技术摘要
我喜欢 GPU Gems 的结构化技术摘要。但是自上次发布以来已经过去了很长时间，应该开发新算法来处理新型硬件。我可以阅读有关最近 GPU 技术成就的哪些信息？潜伏在编程板上是唯一的方法吗？最佳
gpu - CPU->GPU 传输 vs GPU->CPU 传输
我一直在做一些关于测量数据传输延迟的实验 CPU->GPU 和 GPU->CPU。我发现对于特定消息大小，CPU->GPU 数据传输速率几乎是 GPU->CPU 传输速率的两倍。谁能解释我为什么会这样
gpu - 如何在多 GPU 节点上获取分配给 SLURM 作业的 GPU ID？
当我使用选项 --gres=gpu:1 向具有两个 GPU 的节点提交 SLURM 作业时，如何获取为该作业分配的 GPU ID？是否有用于此目的的环境变量？我使用的 GPU 都是 nvidia GP
gpu - matmul 上 GPU 的 Tensorflow 问题。无法识别 GPU
我用 gpu、cuda 7.0 和 cudnn 6.5 安装了 tensorflow。当我导入 tensorflow 时，它运行良好。我正在尝试在 Tensorflow 上运行一个简单的矩阵乘法，但
gpu - 如何为每个任务设置 1 个 gpu 的 slurm/salloc 但让作业使用多个 gpu？
我们正在寻找有关 slurm salloc gpu 分配的一些建议。目前，给定: % salloc -n 4 -c 2 -gres=gpu:1 % srun env | grep CUDA CUD
python - tensorflow-gpu 库是否自动在 GPU 上运行 tensorflow 代码(非 GPU)？
我是否必须自定义为非 GPU Tensorflow 库编写的代码以适应tensorflow-gpu 库？我有一个 GPU，想运行仅为非 GPU tensorflow 库编写的 Python 代码。我
python - tensorflow-gpu 库是否自动在 GPU 上运行 tensorflow 代码(非 GPU)？
我是否必须自定义为非 GPU Tensorflow 库编写的代码以适应tensorflow-gpu 库？我有一个 GPU，想运行仅为非 GPU tensorflow 库编写的 Python 代码。我
gpu - 在两个不同的 GPU 上运行相同的深度学习代码时会出现非常奇怪的行为
我正在使用 pytorch 框架训练网络。我的电脑里有 K40 GPU。上周，我在同一台计算机上添加了 1080。在我的第一个实验中，我在两个 GPU 上观察到相同的结果。然后，我在两个 GPU 上
gpu - Slurm 超额订阅 GPU
有没有办法在 Slurm 上超额订阅 GPU，即运行共享一个 GPU 的多个作业/作业步骤？我们只找到了超额订阅 CPU 和内存的方法，但没有找到 GPU。我们希望在同一 GPU 上并行运行多个作业
gpu - 重置单个 GPU 的内存使用情况
我可以访问 4 个 GPU(不是 root 用户)。其中一个 GPU(2 号)表现怪异，它们的一些内存被阻塞但功耗和温度非常低(好像没有任何东西在上面运行)。请参阅下图中 nvidia-smi 的详细
gpu - Tensorflow 不使用 GPU
我正在尝试通过 Tensorflow 运行示例 seq2seq，但它不会使用 GPU。以下是我在带有 Tesla K20x 的 Linux 系统上安装 Tensorflow 所采取的步骤 git cl
gpu - 用于科学计算的 GPU 精度
一位电气工程师最近提醒我不要使用 GPU 进行科学计算(例如，在精度非常重要的地方)，因为没有像 CPU 那样的硬件保护措施。这是真的吗？如果是的话，典型硬件中的问题有多普遍/严重？最佳答案实际上
gpu - 是否有等效的任务管理器可以显示 GPU 使用历史？
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。想改善这个问题吗？更新问题，使其成为 on-topic对于堆栈溢出。 7年前关闭。 Improve thi
gpu - 如何有效利用 GPU 进行强化学习？
最近我研究了强化学习，有一个问题困扰着我，我找不到答案:如何使用 GPU 有效地完成训练？据我所知，需要与环境持续交互，这对我来说似乎是一个巨大的瓶颈，因为这项任务通常是非数学的/不可并行化的。然而，

qq735679552

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

滴滴打车优惠券

全站热门文章

Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com