个人安装版本:html
自动安装python3.7python
tensorflow实际上是基于VC++2015开发的,因此须要安装vs2015windows
下载地址 https://pan.baidu.com/s/1F7g4sn5qj82RI0syjznFMQ 密码:fe9fdom
https://my.visualstudio.com/Downloads?q=visual%20studio%202015&wt.mc_id=o~msft~vscom~older-downloads测试
去官网找适合本身型号便可阿里云
显卡型号支持:https://developer.nvidia.com/cuda-gpusspa
下载安装CUDA,安装好以后把CUDA安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0下的bin和lib\64添加到Path环境变量中.net
在命令行输入nvcc --version(或者nvcc -V,大写的V),出现此图说明成功安装了vs+cuda+cudnn命令行
若是以前已安装高版本显卡驱动,安装CUDA时须要自定义并取消最下面的驱动安装,不然也会安装失败。code
下载CuDNN须要注册帐号
解压压缩包,把压缩包中bin,include,lib中的文件分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0目录下对应目录中
把C:\Program Files\NVIDIA GPU Computing Tookit\CUDA\v9.0\extras\CUPTI\libx64\cupti64_80.dll拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
要注意用conda装tensorflow时候,会自动下载cuda和cudnn,以下图所示,我想要cuda9.0,却被conda自动安装了10.0;
而这里用conda自动安装的版本可能和直接在电脑上安装的cuda版本不一致,因此在安装好pip install tensorflow-gpu==1.13.1以后,要从新安装pip install cudatoolkit==9.0(不用卸载cudatoolkit,由于卸载cudatoolkit会将tensorflow-gpu等相关文件一并卸载,直接装须要的cudatoolkit版本,就会将原先的版本卸载掉,再安装新的版本),不然会报内外版本不一致的错误。
安装tensorflow时,直接在命令行输入安装速度会很慢,能够尝试使用国内的镜像
能够在使用pip的时候在后面加上-i参数,指定pip源
eg: pip install *** -i https://pypi.tuna.tsinghua.edu.cn/simple
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
import tensorflow as tf x= tf.random_normal((10, 10)) y = tf.random_normal((10, 50)) z = tf.matmul(x, y) sess = tf.InteractiveSession() sess.run(z) print(z)
参考文献:
【3】win10 + cuda(v9.0) 安装TensorFlow-gpu版
【4】win10安装tensorflow-gpu版安装链接(visual studio2015+cudn8.0+cudnn6+anaconda3+tensorflow-gpu)
【5】Windows下搭建TensorFlow环境(GPU版本)
【7】windows 10 64bit+Tensorflow+Keras+VS2015+CUDA8.0+cuDNN v6.0 GPU加速