win10安装cuda10.2+tensorflow-GPU 1.14.0

一、问题提出

之前写好的代码都是基于tensorflow 1.14.0的,在自己笔记本上跑太慢了,所以搬到服务器去跑。但是一个很现实的问题就是服务器的CUDA是10.2的,因为服务器有很多人在用,其他人用的是10.2的,而tensorflow 1.14.0对应的CUDA版本是10.0的,我也不太可能去卸载了去重新装一个CUDA,在tensorflow的安装过程中不会出现大的问题,但是在后面运行的时候会报错,会提示找不到:cudart64_100.dll文件,看名称就可以看得出来是64位10.0版本的CUDA的dll文件,装好的10.2只有cudart64_102.dll,当然找不到了,所以就尝试去寻找在CUDA10.2的基础上安装tensorflow-GPU 1.14.0,并且成功运行。

注:本文的前提是已经安装好CUDA和CUDNN,然后安装tensorflow-GPU 1.14.0

二、问题解决

conda create --name panda python=3.6

其中panda是虚拟环境的名称,可以自行命名

activate panda
conda info --envs

只需在下面显示您刚刚创建的虚拟环境。

[En]

Just show the virtual environment you just created below.

注:采用pip install tensorflow进行安装时,在之后的运行过程中要求会报错显示CUDA必须为10.0版本,而采用conda方式安装则可以避免这个问题,过程中发现自动安装了cuda10.0toolkit,但不影响正常的运行,省去了一些麻烦,但安装tensorflow-gpu的时候可能会出现一直卡在solving environment的问题,所以先对conda进行提速

4.更新conda

采用最新版的 conda

conda update conda

5.另一种方法,采用 mamba加速软件依赖解析 [mamba采用 c++重写了部分解析过程,这个提速效果是很明显的] (安装好 mamba后就可以用 mamba替换 conda进行安装了),第四步进行结束可以加速就可以忽略这一步

conda install mamba -c conda-forge
#以安装python为例
mamba install python=3.7.4

6.安装tensorflow,安装时指定版本减少搜索空间

conda install tensorflow-gpu==1.14.0

7.安装keras

pip install keras==2.2.5

8.安装其他库

pip install Pillow
pip install matplotlib
pip install opencv-python
pip install xlwt
pip install PyQt5

9.安装完之后,我们需要补齐该虚拟环境缺失的其他库

conda install anaconda

三、后续可能的问题

安装完成之后可能会出现numpy版本问题,可能是版本太高,只需要卸载之后安装低版本的numpy即可

pip uninstall numpy
pip install numpu==1.16.0

四、参考文章:

Original: https://blog.csdn.net/weixin_45674216/article/details/124176486
Author: 快乐Panda
Title: win10安装cuda10.2+tensorflow-GPU 1.14.0

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/496666/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球