个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
33
4
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安装tensorflow-gpu1.8.0详细完整步骤由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
在整个安装的过程中也遇到了很多的坑，故此做个记录，争取下次不再犯！ 。
我的整个基本配置如下:
电脑环境如下：win10(64位)+CPU:E5-2603 +GPU:GTX 1070 。
需要安装的软件如下：Anaconda3-4.2.0-Windows-x86_64(python 3.5.2) + tensorflow-gpu 1.8 + CUDA 9.0 + cuDNN v7.1 for CUDA9.0 。
若你想在自己的windows上安装tensorflow-gpu，一般化也可以遵循如下的步骤.
1.首先确定自己电脑的gpu是否支持cuda 。
能否支持tensorflow-gpu版本，这里主要是Nvidia显卡，如下网址： https://developer.nvidia.com/cuda-gpus 基本上只要显卡在 GeForce 410M 以上都可以.
2.在显卡支持的情况下，主要是看tensorlfow-gpu和cuda以及cuDNN的对应关系 。
首先，cuda与cuDNN是相互对应的，所以，现在主要是看tensorflow与cuda的对应关系。因为从Tensorflow-gpu 1.6开始使用CUDA9.0+cuDNN7组合，不过好像不支持CUDA 9.1与CUDA 9.2。所以，最终我的选择是 tensorflow-gpu 1.8 + CUDA 9.0 + cuDNN v7.1 for CUDA9.0 。
3.Anaconda3-4.2.0-Windows-x86_64安装过程 。
可以在如下网站下载（国内镜像，适合于没有翻墙的同学）https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 。
安装过程:
这里可以更改默认路径，自己选择路径（注意：安装路径的最后一个目录必须要自己在方框中当前已选择路径后面添加，而不能直接选择一个已经存在的目录）:
直接选择一个已经存在的目录，会出现如下的错误:
两个默认就好，第一个是加入环境变量，第二个是默认使用 Python 3.5 。
等待安装即可:
出现如下界面，证明Anaconda安装成功:
4.tensorflow-gpu 1.8 安装过程 。
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.8.0 （将下载源换成了国内镜像，速度很快） 。
下载速度很快，等待安装即可.
试验一下安装成功没有:
出错，可能是因为cuda等软件还没有安装.
5.cuda安装过程 。
网址：https://developer.nvidia.com/cuda-90-download-archive？
target_os=Windows&target_arch=x86_64&target_version=10&target_type=exenetwork 。
选择9.0的CUDA的exe（network），比较小，但是后续要联网，保证网络就好，具体如下图:
安装过程:
检查系统兼容性 → 许可协议“接受”→ 选择“自定义安装”，点开+号，把Visual Studio Integration的勾选去掉（否则你机器上安装的Visual Studio版本不对或者没有安装时，下一步会报错导致你安装不下去） → 安装即可 。
6.cudnn安装过程 。
链接: https://pan.baidu.com/s/1cgygpqUX4etZ43dj5DsjpQ 提取码: 6gen 。
链接若是失效，就上官网自行下载吧（注册、登陆、加入开发自计划balabala…）如下:
https://developer.nvidia.com/cudnn 。
注意：选择cuDNN的v7.1.4 for CUDA 9.0即cudnn-9.0-windows10-x64-v7.1.zip下载 。
CUDA 9.0的默认路径是 。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 把cudnn-9.0-windows10-x64-v7.1.zip解压后，把bin，include，lib\x64里面的文件(共三个)分别拷贝到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\下的bin,include,lib\x64目录下即可.
配置环境变量 。
网上有两种说法，我就两种都配置了，不然电脑找不到CUDA和cuDNN在哪里 。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin 。
7.vs安装过程 。
我没有安装vs，也能正常运行，不知道怎么回事，如果按照前面步骤安装之后还有问题，那就再安装一下vs.
总结 。
以上所述是小编给大家介绍的win10安装tensorflow-gpu1.8.0详细完整步骤，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对我网站的支持！如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！ 。
原文链接：https://blog.csdn.net/xiaohuihui1994/article/details/83589701 。
最后此篇关于win10安装tensorflow-gpu1.8.0详细完整步骤的文章就讲到这里了,如果你想了解更多关于win10安装tensorflow-gpu1.8.0详细完整步骤的内容请搜索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！ 。
33
4
0
我想将模型及其各自训练的权重从 tensorflow.js 转换为标准 tensorflow，但无法弄清楚如何做到这一点，tensorflow.js 的文档对此没有任何说明 我有一个 manifest
我有一个运行良好的 TF 模型，它是用 Python 和 TFlearn 构建的。有没有办法在另一个系统上运行这个模型而不安装 Tensorflow？它已经经过预训练，所以我只需要通过它运行数据。 我
当执行 tensorflow_model_server 二进制文件时，它需要一个模型名称命令行参数，model_name。 如何在训练期间指定模型名称，以便在运行 tensorflow_model_s
我一直在 R 中使用标准包进行生存分析。我知道如何在 TensorFlow 中处理分类问题，例如逻辑回归，但我很难将其映射到生存分析问题。在某种程度上，您有两个输出向量而不是一个输出向量(time_t
Torch7 has a library for generating Gaussian Kernels在一个固定的支持。 Tensorflow 中有什么可比的吗？我看到 these distribu
在Keras中我们可以简单的添加回调，如下所示: self.model.fit(X_train,y_train,callbacks=[Custom_callback]) 回调在doc中定义，但我找不到
我正在寻找一种在 tensorflow 中有条件打印节点的方法，使用下面的示例代码行，其中每 10 个循环计数，它应该在控制台中打印一些东西。但这对我不起作用。谁能建议？ 谢谢，哈米德雷萨， epsi
我想使用 tensorflow object detection API 创建我自己的 .tfrecord 文件，并将它们用于训练。该记录将是原始数据集的子集，因此模型将仅检测特定类别。我不明白也无法
我在 TensorFlow 中训练了一个聊天机器人，想保存模型以便使用 TensorFlow.js 将其部署到 Web。我有以下内容 checkpoint = "./chatbot_weights.c
我最近开始学习 Tensorflow，特别是我想使用卷积神经网络进行图像分类。我一直在看官方仓库中的android demo，特别是这个例子:https://github.com/tensorflow
我目前正在研究单图像超分辨率，并且我设法卡住了现有的检查点文件并将其转换为 tensorflow lite。但是，使用 .tflite 文件执行推理时，对一张图像进行上采样所需的时间至少是使用 .ck
我注意到 tensorflow 的 api 中已经有批量标准化函数。我不明白的一件事是如何更改训练和测试之间的程序？ 批量归一化在测试和训练期间的作用不同。具体来说，在训练期间使用固定的均值和方差。
我创建了一个模型，该模型将 Mobilenet V2 应用于 Google colab 中的卷积基础层。然后我使用这个命令转换它: path_to_h5 = working_dir + '/Tenso
代码取自:- http://adventuresinmachinelearning.com/python-tensorflow-tutorial/ import tensorflow as tf fr
好了，所以我准备在Tensorflow中运行 tf.nn.softmax_cross_entropy_with_logits() 函数。 据我了解，“logit”应该是概率的张量，每个对应于某个像素的
tensorflow 服务构建依赖于大型 tensorflow ；但我已经成功构建了 tensorflow。所以我想用它。我做这些事情:我更改了 tensorflow 服务 WORKSPACE(org
Tensoflow 嵌入层 ( https://www.tensorflow.org/api_docs/python/tf/keras/layers/Embedding ) 易于使用， 并且有大量的文
我正在尝试使用非常大的数据集(比我的内存大得多)训练 Tensorflow 模型。 为了充分利用所有可用的训练数据，我正在考虑将它们分成几个小的“分片”，并一次在一个分片上进行训练。 经过一番研究，我
根据 Sutton 的书 - Reinforcement Learning: An Introduction，网络权重的更新方程为: 其中 et 是资格轨迹。 这类似于带有额外 et 的梯度下降更新。
如何根据条件选择执行图表的一部分？ 我的网络有一部分只有在 feed_dict 中提供占位符值时才会执行.如果未提供该值，则采用备用路径。我该如何使用 tensorflow 来实现它？ 以下是我的代码
我是一名优秀的程序员,十分优秀！