• windows10安装其他版本cuda环境


    博主在编写自定义神经网络层时发现在tensorflow1.6f之前是不支持自定义网络模型的,因此需要tensorflow-gpu其他的版本,而要想使用就需要对应的cuda ,CuDNN计算库,而相对应的我们也要升级我们的显卡驱动,我们到英伟达官网查看搜索适合自己的驱动版本,更新完成后可以看到之前博主的cuda只能支持到8,如今可以支持到11.6
    在这里插入图片描述
    然后我们去下载对应的cuda版本,这里可以根据我们所需的tensorflow-gpu版本来确定我们的cuda版本,博主使用的是tensorflow-gpu 1.14.0,对应的cuda为10.0,这里建议安装10.2,因为在pytorch中对cuda10并不友好,当然这是博主后来需要pytorch环境时才意识到的,这里给大家避下坑。

    https://tensorflow.google.cn/install/source_windows?hl=en#gpu

    在这里插入图片描述
    找到我们对应的版本cuda10.0

    在这里插入图片描述
    下载完成后开始安装即可:
    在这里插入图片描述
    这里选择自定义安装
    在这里插入图片描述
    博主之前安装过cuda8,所以这次只安装cuda即可
    在这里插入图片描述
    它默认的安装路径是这个,博主之前安装的cuda8是自定义的位置,这里建议也最好选到相同的位置,建立相应的文件夹保存即可。
    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述
    不用管他,点击我已知道,然后next即可
    在这里插入图片描述
    至此,我们的cuda11安装成功,这里博主用的是CUDA11.6的图,千万不要安装这个版本,他没有对应的tensorflow版本
    在这里插入图片描述
    安装完成后检测一下是否找到cuda,这里就说明切换到了cuda11版本了
    在这里插入图片描述
    下载cuda对应的cudnn网络加速库,下载后解压得到三个文件

    https://developer.nvidia.com/rdp/cudnn-archive

    在这里插入图片描述
    将这三个文件复制到cuda里面替换即可
    在这里插入图片描述
    然后我们配置下环境,需要使用哪个cuda环境只需要将我们的环境变量放到前面即可,在运行程序时便会识别到
    在这里插入图片描述
    然后接下来就是创建一个我们的cuda虚拟环境然后安装对应的版本包即可。
    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述

  • 相关阅读:
    .net MVC 拦截器
    tep集成mitmproxy录制流量自动生成用例
    第13章、类继承
    复盘-----vue
    Linux can配参
    Elasticsearch基础篇(六):es映射和常用的字段类型
    pg分组过滤
    【零基础学Python】Day1 Python简介与环境安装
    Mybatis:自定义映射resultMap(7)
    NK-RTU980烧写裸机程序
  • 原文地址:https://blog.csdn.net/pengxiang1998/article/details/127673591