tensorflow的卸载与重装

这篇具有很好参考价值的文章主要介绍了tensorflow的卸载与重装。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1、卸载tensorflow、python、CUDA、CUDNN

卸载tensorflow:
Win+打开Anaconda Prompt(anaconda3)+
输入:conda --version
conda info --envs
找到tensorflow安装包,删除即可
tensorflow的卸载与重装
tensorflow的卸载与重装
卸载Python:
设置–>应用–>应用和功能–>python3.9.0–>卸载
找到Python3.9.0,卸载
检查是否卸载成功:cmd中输入Python,显示如下:
tensorflow的卸载与重装
Python Launcher也可以一起卸载,也可以不卸载。
【python launcher是用于Windows中的一个实用程序,可帮助定位和执行不同版本的Python解释器。】

卸载CUDA
参考:https://blog.csdn.net/m0_59705760/article/details/125744664
Win+输入控制面板,打开控制面板+程序+程序和功能
tensorflow的卸载与重装
上图标红的不不要卸载,其他育NVIDIA有关的均可卸载
最后,再用电脑管家,把注册表删除掉

卸载CUDNN
删除,复制到CUDA下的文件
tensorflow的卸载与重装

2、重装tensorflow:tensorflow、CUDA、CUDNN版本匹配

首先,检查tensorflow、CUDA、CUDNN版本,然后到官网去下载。
CUDANN7.2版本下载没了,官网没有file,CUDA9.0又下载下来是运行不了
同时,Tensorflow1.13.0也找不到!!!
现在尝试TensorFlow+1.14.0+CUDA10.0+CUDANN7.4.1

Tensorflow下载网址:
https://pypi.org/project/tensorflow-gpu/1.14.0/#files
CUDA下载网址:https://developer.nvidia.com/cuda-toolkit-archive
CUDNN下载网址:
https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
python官网:https://www.python.org/

3、安装python、CUDA、CUDNN

**首先,**安装,python,下载python3.6.8,点击下图中的Windows x86-64 executable installer,下载
tensorflow的卸载与重装

下载tensorflow_gpu-1.14.0-cp36-cp36m-win_adm64.whl
安装python时报错Error writing to file:…Verify that you have access to that directory.:【没利用管理员的身份进行安装】
参考:https://blog.csdn.net/weixin_49237144/article/details/122915089
tensorflow的卸载与重装
tensorflow的卸载与重装
是因为在这一步,没有勾选下面两个
tensorflow的卸载与重装

**接着,**是安装CUDA、CUDA环境配置,安装CUDNN和搭建tensorflow环境。
安装CUDA、CUDNN、配置CUDA环境请参考博客:https://blog.csdn.net/qq_45342639/article/details/129494067?spm=1001.2014.3001.5502

4、配置tensorflow环境

安装好python、CUDA、CUDNN后,配置tensorflow环境:
首先,打开anaconda Prompt,输入:conda create -n 虚线环境名 pytho版本
tensorflow的卸载与重装
接着,输入y
tensorflow的卸载与重装
然后输入:
激活环境:activate tensorflow-gpu
退出到从官网下载的tensorflow存放目录下,并输入:
pip install tensorflow_gpu-1.14.0-cp36-cp36m-win_amd64.whl
tensorflow的卸载与重装

此时报错:Could not find a version that satisfies the requirement grpcio>=1.8.6(from tensorflow-gpu==1.14.0(from version:)
tensorflow的卸载与重装
改正:
输入:python -m pip install --upgrade pip
继续安装,输入:
pip install tensorflow_gpu-1.14.0-cp36-cp36m-win_amd64.whl
tensorflow的卸载与重装
安装成功:
tensorflow的卸载与重装
测试是否成功1:
python
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant(‘hello’)
sess = tf.compat.v1.Session()
print(sess.run(hello))
可用,返回,b’hello’
tensorflow的卸载与重装
tensorflow的卸载与重装
测试是否成功2:
gpu是否可用:输入tf.test.is_gpu_avaolable(),可用返回True
tensorflow的卸载与重装
Pycharm中TensorFlow-GPU的搭建,请参考博客:https://blog.csdn.net/qq_45342639/article/details/129494067?spm=1001.2014.3001.5502文章来源地址https://www.toymoban.com/news/detail-420835.html

到了这里,关于tensorflow的卸载与重装的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Anaconda的python虚拟环境中安装cudatoolkit和cudnn加速tensorflow

    由于本地安装了cuda 10.0, 但是现在需要在Anaconda中安装不同的python虚拟环境来安装tensorflow-gpu、对应的cudatoolkit、对应的cudnn来加速,下面是具体的演示流程 我这里以安装tensorflow-gpu==1.9.0为例,首先进入python的虚拟环境,source activate py37_tf 通过\\\"conda search tensorflow-gpu\\\", 可以看到有

    2024年02月16日
    浏览(38)
  • Windows安装tensorflow-gpu(1050Ti,cuda11.6,cuDNN7.6.5,python3.6,tensorflow-gpu2.3.0)

    参考:https://blog.csdn.net/qq_43215538/article/details/123852028 首先查看本机GPU对应的cuda版本,如下图所示,本机cuda版本为11.6,后面选择的cuda版本不要超过这里的版本就好。 https://developer.nvidia.com/cuda-toolkit-archive选择相应的cudatoolkit版本下载,如这里选择版本一定要注意,因为cuda版本

    2023年04月08日
    浏览(51)
  • Tensorflow+Cudnn配置

    首先检查自己的cuda版本 然后下载对应Cudnn https://developer.nvidia.com/rdp/cudnn-download 下载完毕后将文件拷到X:Program FilesNVIDIA GPU Computing ToolkitCUDA对应目录下,拷完以后不需要重启系统也不需要重启Pycharm就可以正常使用。 检查cuda版本的方法和Win11相同。以cuda_11.8.r11.8为例,在如下

    2024年02月13日
    浏览(34)
  • 卸载CUDA和cudnn

    a. 打开终端并输入以下命令以卸载CUDA: b. 通过以下命令删除CUDA安装期间创建的任何符号链接: c. 删除CUDA安装期间创建的任何其他文件或目录: a. 打开终端并输入以下命令以卸载cudnn: b. 通过以下命令删除cudnn安装期间创建的任何符号链接: c. 删除cudnn安装期间创建的任何

    2024年02月16日
    浏览(68)
  • 【TensorFlow】P0 Windows GPU 安装 TensorFlow、CUDA Toolkit、cuDNN

    TensorFlow 是一个基于数据流图的深度学习框架 TensorFlow是一个基于数据流图的深度学习框架,它使用张量(Tensor)作为数据的基本单位,在GPU上进行张量运算可以极大地提高深度学习模型的训练和推理速度。而CUDA则提供了在GPU上执行高性能并行计算所需的API和运行时环境,能

    2024年02月13日
    浏览(40)
  • Xcode完全卸载(重装)

    本文介绍完全卸载xcode后重装。如果你是打开了xcode14.3 然后 老的14.1也跑不动了的这种场景(卸载14.3也不行),不妨先试试直接删除如下路径,重新打开老xcode(会自动重新下载这个目录) 代码块路径如下,如果有自定义代码块,需要先把它从原路径拷贝到一个临时的地方。

    2024年02月06日
    浏览(51)
  • CUDA卸载&&重装

    我windows11下安装的cuda为11.1,常用的cuda为10.2和11.3,所以选择卸载重装。 1)首先打开控制面板-程序和功能 卸载:框住的内容。 保留:NVIDIA的图形驱动程序、NVIDIA Physx系统软件、NVIDIA GeForce Experience 其中NVIDIA Nsight Systems是NVIDIA官方近几年推出了新一代性能分析工具——NSight系

    2024年01月20日
    浏览(31)
  • 查看cudnn&cuda的版本以及对应的tensorflow版本

    安装tensorflow-GPU时,无法确定自己电脑需要安装哪个版本,这是在官网查询对应的版本即可 可以看到cuda的版本为 10.2 在此路径下找到“ cudnn.h ”文件 右键,选择以 记事本 打开 可以看到cudnn的版本为 7.6.5 添加链接描述

    2024年02月16日
    浏览(65)
  • 【Win11+RTX3050显卡】cuda+cudnn+tensorflow 环境配置

    【Win11+RTX3050显卡】cuda+cudnn+tensorflow 环境配置 CUDA 11.5 cudnn 8.3.3 tensorflow-gpu 2.6 CUDA:CUDA 即英伟达的显卡并行计算框架 nvidia-smi 可以查看,每个版本的CUDA都是基于一定版本的驱动建立的,所以它对驱动的最低版本是有要求的 cudnn:cudnn 是基于CUDA架构的神经网络库 是专门用于神

    2024年02月15日
    浏览(67)
  • NVIDIA驱动、CUDA、cuDNN、Torch、Tensorflow对应版本一文搞明白

    目录 CUDA下载:CUDA Toolkit Archive | NVIDIA Developer cuDNN下载:cuDNN Archive | NVIDIA Developer 1.NVIDIA驱动和CUDA版本对应  2.CUDA和cuDNN版本对应  3.Tensorflow和CUDA、cuDNN版本对应(经过官方测试的构建配置) 3.1 GPU  3.2 CPU 4.pytorch和CUDA对应 网址:CUDA 12.1 Update 1 Release Notes 网址:cuDNN Archive | NVIDIA

    2024年02月15日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包