windows之家1.win10 cudnn怎样安装
NVIDIA CuDNN 安装说明
CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案，目前支持的DL库包括Caffe,ConvNet, Torch7等。
CuDNN可以在官网免费获得，注册帐号后即可下载。官网没有找到安装说明，下载得到的压缩包内也没有Readme. 不过google一下就会找到许多说明。基本原理是把lib文件加入到系统能找到的lib文件夹里， 把头文件加到系统能找到的include文件夹里就可以。这里把他们加到CUDA的文件夹下（参考这里）
tar -xzvf cudnn-6.5-linux-R1.tgz
cd cudnn-6.5-linux-R1
sudo cp lib* /usr/local/cuda/lib64/
sudo cp cudnn.h /usr/local/cuda/include/
执行后发现还是找不到库， 报错
error while loading shared libraries: libcudnn.so.6.5: cannot open shared object file: No such file or directory
而lib文件夹是在系统路径里的，用ls -al发现是文件权限的问题，因此用下述命令先删除软连接
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.6.5
然后修改文件权限，并创建新的软连接
sudo chmod u=rwx,g=rx,o=rx libcudnn.so.6.5.18
sudo ln -s libcudnn.so.6.5.18 libcudnn.so.6.5
sudo ln -s libcudnn.so.6.5 libcudnn.so
2.windows怎么装cudnn
安装cudnn前，得确保正确安装好cuda
首先到官网下载cudnn:Nvidia官网cudnn 选择下载版本时要注意和Cuda版本匹配（这里下载的是cudnn-for-cuda-8.0-windows7-x64-v5.1）。下载下来的是一个压缩包，解压后有3个文件夹：
将这些文件夹覆盖至CUDA的安装目录下
例如：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\
即可完成安装。
3.怎样判断cuda和cudnn是否安装成功win10
首先确认你的电脑是否安装了nvidia显卡，目前CUDA只支持Nvida的显卡，不支持AMD/ATI的显卡（AMD对OpenCL支持的很好）。在设备管理器中，可以查看显卡信息。如下图所示，含有NVIDIA的显卡，就可安装。
在官网上下载cuda工具包，注意是windows系统的，而且需要看清楚是笔记本还是台式机的安装包，下载笔记本的安装套件，名字为cuda_5.0.35_winvista_win7_win8_notebook_32-3,(cuda5.5类似)双击打开安装即可，，按照提示安装，在这过程中，它也会更新nvidia的显卡驱动。
CUDA工具包安装完成后，我们还需要确认，CUDA是否已经正确安装，我们可以先检查nvcc编译器是否正确安装，在命令提示符窗口中输入：nvcc -V，回车查看是否有版本信息。若出现版本信息，则证明nvcc安装成功，更一般的，我们会在命令行中运行在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v5.0\bin\win32\Release中deviceQuery程序，若能检测到cuda device则证明程序已经正确安装！
4.win10下怎么安装tensorflow
如下的安装步骤请参考： 安装Anaconda选择相应的Anaconda进行安装，下载地址点击这里，下载对应系统版本的Anaconda，官网现在的版本是Anaconda 4.3.1 for python3.6。
笔者安装的是4.3.0版本的。 就和安装普通的软件一样，全部选择默认即可，注意勾选将python3.6添加进环境变量。
这样Anaconda就安装好了，我们可以通过下面的命令来查看Anaconda已经安装了哪些包。 运行 开始菜单->Anaconda3—>Anaconda Prompt :conda list可以看到已经安装了numpy、sympy等常用的包。
2.安装TensorflowTensorFlow目前在Windows下只支持Python 3.5版本。（1）打开Anaconda Prompt，输入清华仓库镜像，这样更新会快一些： （2）同样在Anaconda Prompt中利用Anaconda创建一个python3.5的环境，环境名称为tensorflow ，输入下面命令：conda create -n tensorflow python=3.5运行 开始菜单->Anaconda3—>Anaconda Navigator，点击左侧的Environments，可以看到tensorflow的环境已经创建好了。
（3）在Anaconda Prompt中启动tensorflow环境：activate tensorflow注：当不使用tensorflow时，关闭tensorflow环境，命令为：deactivate(4)安装cpu版本的TensorFlowpip install --upgrade --ignore-installed tensorflow注：这里没有介绍GPU版本的安装方法，GPU版本需要安装cuda8+cudnn5，如需要的请搜索其他博文。这样tensorflow cpu版本就安装好了。
5.win10安装CUDA出现警告,该怎么解决
第一个框是说你的剩余的2.8g内存不足以分配6000个缓冲区
第二个是指你的显卡不支持CUDA加速
3是一样的
4是让你在运行之前先进行属性设置
看起来你的硬件离这个软件需求差的太多
Windows版需求：
Windows 7 Pro SP1, 64-bit
至少 12 GB 内存
至少一张的 NVIDIA 显卡，作为 CUDA 加速使用。可以使用：Quadro 4000, GeForce GTX 580, Quadro 5000 或 Quadro 6000.
NVIDIA driver 280.26
DeckLink HD Extreme 3D+ 采集卡，作为上屏查看用
6.win10 下怎么安装tensorflow1.3
如下的步骤请参考：
1.安装Python
下载python3.5.3 64bit，右键python-3.5.3-amd64.exe以管理员身份运行。
2.安装cuDNN
下载cuDNN 6.0 (for CUDA 8.0)，解压后将bin文件夹添加到环境变量PATH中。
3.安装Tensorflow
下载Tensorflow for Windows 64bit Python 3.5版本；
右键开始菜单，命令提示符，输入
pip install tensorflow_gpu-1.3.0rc1-cp35-cp35m-win_amd64.whl
然后即可运行测试例程
7.WIN10下Anaconda安装 环境变量
设置好GPU开发环境，安装cuda8.0和cudnn5.12. 安装Anaconda3-4.3.1-Windows-x86_64，默认Python版本为3.63. 安装完以后，打开Anaconda Prompt，输入清华的仓库镜像，更新包更快：conda config --add channels/balancap/SSD-Tensorflow.git，或者下载压缩包解压5. 解压TensorFlowssd目录下的/checkpoint里的ssd_300_vgg.ckpt.zip，得到模型参数6. 安装pycharm-community-2017.1.2.exe,python编辑器，File->Setting->Project:Python->ProjectInterpreter：修改Python版本到TensorFlow工作空间下的python7. 在notebook下新建工程，新建test_ssd.py文件8. 在pycharm中打开ssd_notebook.ipynb，复制非注释的内容至test_ssd.py下9. 修改test_ssd.py:# Test on some demoimage and visualize output.#path = '../demo/'#image_names = sorted(os.listdir(path))#print(image_names)#for it in image_names:cam=cv2.VideoCapture(0)success, img = cam.read()while success:#img = cv2.imread(path+it)#mpimg.imread(path + it)t1=cv2.getTickCount()rclasses, rscores, rbboxes = process_image(img)visualization.bboxes_draw_on_img(img,rclasses, rscores, rbboxes, visualization.colors_plasma)t2=cv2.getTickCount()print('time consumption:%.3f ms'%(1000*(t2-t1)/cv2.getTickFrequency()))cv2.imshow('test',img)c=cv2.waitKey(1)if c==27:break# visualization.bboxes_draw_on_img(img, rclasses,rscores, rbboxes, visualization.colors_plasma)#visualization.plt_bboxes(img, rclasses,rscores, rbboxes)success, img = cam.read()10. 运行程序test_ssd.py。
8.windows环境下怎么安装cudarray
首先，deeppy的安装是需要依赖cudarray的，所以必须先安装cudarray，下载请click here。
下载完毕之后解压，有了Makefile文件，原文中配置文件是要这么改的。First, you should consider specifying the following environment variables. - `INSTALL_PREFIX` (default: `/usr/local`). Path where to install libcudarray. For the Anaconda Python distributionthis should be `/path/to/anaconda`. - `CUDA_PREFIX` (default: `/usr/local/cuda`). Path to the CUDA SDK organized in `bin/`, `lib/`, `include/` folders. - `CUDNN_ENABLED`. Set `CUDNN_ENABLED` to `1` to include cuDNN operations in `libcudarray`. 根据我的实际情况，我的anaconda安装在/data1/NLPRMNT/sunliming，所以我的INSTALL_PREFIX改为INSTALL_PREFIX=/data1/NLPRMNT/sunliming/anaconda 我的cuda目录是CUDA_PREFIX = /usr/local/cuda-6.5 接着是我设置CUDNN_ENABLEDCUDNN_ENABLED = 1 # Set CUDNN_ENABLED to 1 to include cuDNN operations in libcudarray.到了这儿配置就改好了，接着运行makemake install显示so文件被拷贝到anaconda/lib目录下面去了，接下来还有一个很重要的工作，就是安装cudarray模块。
我表示我做的时候把这一步忘记了，然后后面测试，死活都过不去，都是泪啊！python setup.py install到这个时候安装完毕测试一下pythonimport cudarray没有问题的话就可以装deeppy了。安装deeppy就简单多了，下载、解压、执行。
python setup.py install然后就配置好了。pip list就能看到结果了。
abstract-rendering (0.5.1)argcomplete (0.8.4)astropy (1.0.1)backports.ssl-match-hostname (3.4.0.2)bcolz (0.8.1)beautifulsoup4 (4.3.2)binstar (0.10.1)bitarray (0.8.1)blaze (0.7.3)blz (0.6.2)bokeh (0.8.1)boto (2.36.0)cdecimal (2.3)certifi (14.5.14)cffi (0.9.2)clyent (0.3.4)colorama (0.3.3)conda (3.10.0)conda-build (1.11.0)conda-env (2.1.3)configobj (5.0.6)cryptography (0.8)cudarray (0.1)Cython (0.22)cytoolz (0.7.2)DataShape (0.4.4)decorator (3.4.0)deeppy (0.1.dev0)接下来就是测试程序了，希望没有其他问题。
转载请注明出处windows之家 » win10如何安装cudnn