tensorflow.环境_相关下载&资料

ZC：Nvidia显卡命令：nvidia-smi（显示现存、使用率等信息）

 

1、https://github.com/fo40225/tensorflow-windows-wheel/tree/master/1.14.0/py37/GPU/cuda101cudnn76sse2

　　ZC：tensorflow 的 whl下载地址

2、CUDA Toolkit 10.1 original Archive _ NVIDIA Developer.html（https://developer.nvidia.com/cuda-10.1-download-archive-base）

　　ZC：CUDA  10.1 的下载地址

3、cuDNN Archive _ NVIDIA Developer.html（https://developer.nvidia.com/rdp/cudnn-archive）

　　ZC：cuDNN 的下载地址（需要账户登陆 Nvidia）

4、从源代码构建  _  TensorFlow.html（https://tensorflow.google.cn/install/source#tested_build_configurations）

　　ZC：这里有一些 版本的对应信息，如：

版本	Python 版本	编译器	构建工具	cuDNN	CUDA
tensorflow_gpu-1.14.0	2.7、3.3-3.7	GCC 4.8	Bazel 0.24.1	7.4	10.0

　　　　ZC：但是貌似不适合 "tensorflow_gpu-1.14.0-cp37-cp37m-win_amd64.whl"（https://github.com/fo40225/tensorflow-windows-wheel/tree/master/1.14.0/py37/GPU/cuda101cudnn76sse2），从github的文件夹名称看应该是对应 "cuda10.1.?"和"cuDNN7.6.?"，实际操作了一下，在 训练阶段 tensorflow会报错 说需要 cuda10.1 但是找不到它...

 

5、

6、命令：

　6.1、pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade tensorflow

　　pip install -i https://mirrors.aliyun.com/pypi/simple/ --upgrade tensorflow

 

7、

8、资料：

　　CUDA GPUs _ NVIDIA Developer.html（https://developer.nvidia.com/cuda-gpus#compute）ZC：CUDA-Enabled GeForce and TITAN Products

　　深度学习PyTorch，TensorFlow中GPU利用率较低，CPU利用率很低，且模型训练速度很慢的问题总结与分析_人工智能_是否龍磊磊真的一无所有的博客-CSDN博客.html（https://blog.csdn.net/qq_32998593/article/details/92849585）

9、

10、