個人安裝版本:html
自動安裝python3.7python
tensorflow實際上是基於VC++2015開發的,因此須要安裝vs2015windows
下載地址 https://pan.baidu.com/s/1F7g4sn5qj82RI0syjznFMQ 密碼:fe9fdom
https://my.visualstudio.com/Downloads?q=visual%20studio%202015&wt.mc_id=o~msft~vscom~older-downloads測試
去官網找適合本身型號便可阿里雲
顯卡型號支持:https://developer.nvidia.com/cuda-gpusspa
下載安裝CUDA,安裝好以後把CUDA安裝目錄C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0下的bin和lib\64添加到Path環境變量中.net
在命令行輸入nvcc --version(或者nvcc -V,大寫的V),出現此圖說明成功安裝了vs+cuda+cudnn命令行
若是以前已安裝高版本顯卡驅動,安裝CUDA時須要自定義並取消最下面的驅動安裝,不然也會安裝失敗。code
下載CuDNN須要註冊帳號
解壓壓縮包,把壓縮包中bin,include,lib中的文件分別拷貝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0目錄下對應目錄中
把C:\Program Files\NVIDIA GPU Computing Tookit\CUDA\v9.0\extras\CUPTI\libx64\cupti64_80.dll拷貝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
要注意用conda裝tensorflow時候,會自動下載cuda和cudnn,以下圖所示,我想要cuda9.0,卻被conda自動安裝了10.0;
而這裏用conda自動安裝的版本可能和直接在電腦上安裝的cuda版本不一致,因此在安裝好pip install tensorflow-gpu==1.13.1以後,要從新安裝pip install cudatoolkit==9.0(不用卸載cudatoolkit,由於卸載cudatoolkit會將tensorflow-gpu等相關文件一併卸載,直接裝須要的cudatoolkit版本,就會將原先的版本卸載掉,再安裝新的版本),不然會報內外版本不一致的錯誤。
安裝tensorflow時,直接在命令行輸入安裝速度會很慢,能夠嘗試使用國內的鏡像
能夠在使用pip的時候在後面加上-i參數,指定pip源
eg: pip install *** -i https://pypi.tuna.tsinghua.edu.cn/simple
阿里雲 http://mirrors.aliyun.com/pypi/simple/
中國科技大學 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清華大學 https://pypi.tuna.tsinghua.edu.cn/simple/
中國科學技術大學 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)
參考文獻:
【3】win10 + cuda(v9.0) 安裝TensorFlow-gpu版
【4】win10安裝tensorflow-gpu版安裝鏈接(visual studio2015+cudn8.0+cudnn6+anaconda3+tensorflow-gpu)
【5】Windows下搭建TensorFlow環境(GPU版本)
【7】windows 10 64bit+Tensorflow+Keras+VS2015+CUDA8.0+cuDNN v6.0 GPU加速