WindowServer2012R2+Anoconda3.5.0.1+CUDA9.0+cuDNN7.1.3+Tensorflow-gpu1.6离线搭建深度学习开发环境
WindowServer2012R2+Anoconda3.5.0.1+CUDA9.0+cuDNN7.1.3+Tensorflow-gpu1.6离线搭建深度学习开发环境
关键词:Windows,Tensorflow-gpu,离线搭建
实验室电脑都是Windows环境且电脑不能联网,所以只能离线搭建,在此记录了爬坑的搭建过程,亲测有效。供大家参考,也方便自己今后查阅。
1.安装前的准备工作
在安装之前,在网上找了好几个教程,以下几个教程帮助比较大,在此表示感谢。
学习笔记1:深度学习环境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0
Windows2012 r2 ,NVDIA M60 GPU cuda9.1 cuDNN7.1.3 anaconda3.4.1 python3 tensorflow-GPU 深度学习环境搭建及实测
TensorFlow-gpu windows10 cuda 离线配置安装
以及安装第三方库时常用的资源网站:
1.清华大学镜像资源网站
2.Unofficial Windows Binaries for Python Extension Packages
相关安装包的下载:
Anaconda3.5.0.1 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
CUDA9.0https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=Server2012R2&target_type=exelocal
**cuDNN(需要注册)**https://developer.nvidia.com/rdp/cudnn-download#a-collapse705-91,针对Windows server没有对应的版本,但经测试window7上的cuDNN V7.1.3可用
VS2015社区版https://www.cr173.com/soft/124533.html
Tensorflow1.6-GPUhttps://pypi.tuna.tsinghua.edu.cn/simple/tensorflow/
Pycharm2018(这个是IDE,看个人习惯是否安装) https://www.jetbrains.com/pycharm/
英伟达显卡驱动:https://www.nvidia.com/Download/Find.aspx
上面就是主要的安装包,由于是离线安装,过程中还会缺少一些中间文件,这个在后面对应部分介绍。
资源准备好了之后,可以动手开始安装了。
2.安装过程
由于在window环境下安装CUDA,要先安装VS C++的开发环境,所以在安装CUDA之前先安装VS2015和最新的显卡驱动程序。
1.显卡驱动安装
首先在cmd命令窗口中查询显卡的型号:
先CD到C:\Program Files\NVIDIA Corporation\NVSMI目录下
运行NVIDIA-SMI命令
根据自己的显卡型号在上述下载显卡驱动的网站下下载对应的驱动:
下载之后,按照安装提示进行即可。
2.VS2015安装
因为VS 2015 Community是免费且开源的,也足够用。选择安装此版本。过程没什么坑点,按照提示安装即可。(对于没有安装过VS的可以找找VS的安装教程)
3.Anoconda安装
首先在清华镜像资源网站上下载对应的安装包:
此版本对应的python是3.6版本的。
安装过程按照提示即可,中间有一个是否加入系统变量的选项,勾上。
安装完成后,需要更改一下系统的环境变量:
在系统变量里有一个名叫Path的变量,选中,点击编辑,在里面添加以下两语句:
前面是安装路径,我是直接安装在C盘下面的Anaconda3的文件夹里,注意不同路径之间用分号隔开。
添加完成之后,就可以在cmd或者anaconda prompt里启动python了。
C:\Anaconda3;C:\Anaconda3\Scripts
4.CUDA9.0的安装
首先下载好安装包,由于选择的安装方式是local,所以下载时,除了base installer外,其余几个更新的安装包也要下载
首先,安装Base Installer,然后依次安装Patch1-Patch4更新包。
按照提示安装即可,Base Installer安装模式选择自定义安装,去掉里面的第三个方框(这个是安装显卡驱动的选型),因为之前我们已经安装过了。Base Installer安装结束界面,有个run sample选项框,勾上(这个是用CUDA里自带的例子检测是否安装成功)。
自动打开到…\v9.0\的文件目录下,进入1_Utilities>deviceQuery,运动deviceQuery_vs2015.vcxproj,编辑运动该项目,跳出的控制台窗口中如果出现PASS字样,表示已经安装成功。
5.cuDNN v7.1.3安装
下载Windows 7对应版本的cuNDD v7.1.3,下载下来是一个zip的安装包
解压–里面有bin,lib,include三个文件夹,全部复制
到C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v9.0文件下覆盖
添加环境变量
在名为CUDA_PATH和path的环境变量里加上以下三个变量即可。
C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v9.1 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\lib\x64
6.Tensorflow-gpu 1.6.0安装
离线安装比较麻烦,虽然Anaconda里已经包含了大量已安装好的第三方包,但是还是会缺少一些。先告诉大家解决思路:
安装的TensorFlow版本:tensorflow_gpu-1.6.0-cp36-cp36m-win_amd64.whl
自顶向下安装,提示缺少什么版本的安装包,就先安装缺少的包,一步步就可以解决!
这里给大家列出来了,缺少以下这些包:
这一步安装好之后,到此就安装完成了。
基本环境搭建好了,根据工作需要还缺少什么第三方包,按照这个思路去安装就行了。
3.测试
1.打开cmd窗口–输入命令python–输入命令import tensorflow as tf,不报错则表示tensorflow安装成功。
2.键入以下代码,看GPU是否被正常调用
import tensorflow as tf
a=tf.constant('Hello World')
sess=tf.Session()
print(sess.run(a))
直至,安装过程结束了。
如果大家觉得,上述内容对你有帮助,请点个赞!
WindowServer2012R2+Anoconda3.5.0.1+CUDA9.0+cuDNN7.1.3+Tensorflow-gpu1.6离线搭建深度学习开发环境相关推荐
- tesla p100 linux,Ubuntu16.04深度学习开发环境配置(TeslaP100+cuda9.0+tensorflow)
Ubuntu16.04深度学习开发环境配置(TeslaP100+cuda9.0+tensorflow) 1. 显卡驱动安装 选择对应显卡型号的驱动下载 https://www.nvidia.com/D ...
- Win10+TensorFlow-gpu1.10+CUDA9.0+Cudnn7.4.1 搭建深度学习gpu环境
1.系统已安装环境 Anaconda3(python3.6.4) Visual Studio 2017 2.查看自己的NVIDIA版本 右键开始按钮-->设备管理器-->显示适配器 3. ...
- WIN10搭建深度学习环境 GTX1080+CUDA9.0+cuDNN7.0+Python3.6+Tensorflow1.6.0
GTX1080在WIN10系统上搭建深度学习环境.在搭建环境中遇到了一些坑,于是想将搭建环境流程记录下来,方便以后重新搭建环境.话不多说,直接进入正题.注:我自己是在重装完系统后进行的环境配置. 一. ...
- Ubuntu18.04+RTX 2080Ti+CUDA 10.0 +cuDNN+PyTorch搭建深度学习环境
SSH无密码登陆 安装SSH Server Ubuntu 默认已安装了 SSH client,此外还需要安装 SSH server: sudo apt-get install openssh-serv ...
- Eclipse 3.5 Classic+Tomcat 6.0+MySql 5.5搭建java web开发环境
Eclipse 3.5 Classic+Tomcat 6.0+MySql 5.5搭建java web开发环境 对于初学者来说,如果没有接触过java web开发的话,搭建开发环境将是一个门槛.以前一直 ...
- ubuntu16.04+七彩虹GTX1060的NVIDIA驱动+Cuda8.0+cudnn5.1+tensorflow+keras搭建深度学习环境【学习笔记】【原创】
平台信息: PC:ubuntu16.04.i5.七彩虹GTX1060显卡 作者:庄泽彬(欢迎转载,请注明作者) 说明:参考了网上的一堆的资料搭建了深度学习的开发环境,下班在宿舍折腾了好几个晚上才搞定, ...
- Ubuntu16+Docker19.03+CUDA10+Tensorflow2.0+Pyorch 多用户深度学习服务器环境配置与使用指南
服务器只有一台,大家天天用sudo改环境最后炸了?可以采用Docker,在容器里面爱装啥装啥. 目录 深度学习服务器环境配置 安装Ubuntu Server 16.04.这一步骤网上教程很多,简略带过 ...
- 深度学习工作站环境搭建 ubantu16.04 安装显卡驱动 CUDA8.0 cuDNN6 anaconda tensorflow1.4.0 opencv3.4 含泪总结
深度学习工作站环境搭建 ubantu16.04 安装显卡驱动 CUDA8.0 cuDNN6 anaconda tensorflow opencv 1 安装ubantu16.04 安装时不要在线更新,在 ...
- win10_940MX python3.6深度学习gpu环境搭建入门必看!anaconda3+cuda9.0+cudnn7.0.5+tensorflow1.7.0+keras2.1.6+openCV
Ⅰ 安装anaconda,cuda,cudnn step1安装anaconda,搭建python3.6环境 简介: Anaconda一个用于科学计算的Python发行版,支持 Linux, Mac, ...
最新文章
- ngx_lua 模块
- 【IM】关于集成学习Bagging和Boosting的理解
- python面试题之如何在Python中创建自己的包
- 结构体structure
- Typora使用指南以及各种小技巧
- Java传参是字节还是字符串好_深入分析java传参
- 中小企业如何取舍OA办公系统的功能?
- VeryCD新建2组中国eMule服务器
- GBK版本和UTF-8版本的区别
- 电脑如何在线制作文件二维码?二维码怎么下载文件?
- Java设计模式面试题(一)
- 内网穿透工具--lanproxy
- asp.net905-二次元网站系统#毕业设计
- Oracle问题:如何远程连接Oracle数据库
- DB SQL mysql
- 使用vs2019将libtorch或者网络打包成dll
- 初识Photoshop CS6
- 免费抠图换背景软件分享,在线页面随意编辑
- TCMalloc 简介
- Win10自带电影和电视报错0x800700ea的解决方法