Python 工具之 tensorflow gpu 环境的搭建配置（必要的相关工具 cuda\cudnn等的下载安装）的详细步骤

野性酷女 2022-12-23 07:21 104阅读 0赞

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70][]

# Python 工具 之 tensorflow gpu 环境的搭建配置（必要的相关工具 cuda\\cudnn等 的下载安装）的详细步骤 #

--------------------

最新方法：tensorflow -gpu安装方法（不用自己装cuda，cdnn（直接 pip install tensorflow-gpu 即可）），无需额外的在额外的安装配置 CUDA 和 cuDNN，也可以使用 tensorflow -gpu 来训练模型

**目录**

Python 工具 之 tensorflow gpu 环境的搭建配置（必要的相关工具 cuda\\cudnn等 的下载安装）的详细步骤

一、简单介绍

二、环境配置

三、注意事项

四、Anacoda 的下载安装，和 tensorflow-gpu 环境创建

Anacoda 的下载安装

Anaconda 创建环境 tensorflow-gpu 环境

五、tensorflow-gpu 下载和安装

tensorflow-gpu 包的下载

tensorflow-gpu 的安装

六、对应版本的 CUDA和cuDNN 的下载和安装

注意事项：

确定当前安装 tensorflow-gpu 版本对应的 CUDA和cuDNN版本：

build\_info.py的一些简单说明：

七、相应的CUDA 和cuDNN 版本的下载与安装

CUDA的下载

cuDNN 的下载

CUDA 的安装

cuDAA 的安装

八、验证 tensorflow-gpu 安装和环境配置是否成功

附录：其他 tensorflow gpu 环境 构建方法

一、tensorflow -gpu安装方法（不用自己装cuda，cdnn（conda install））（仅供参考）

二、最新方法：tensorflow -gpu安装方法（不用自己装cuda，cdnn（直接 pip install tensorflow-gpu 即可））

--------------------

## 一、简单介绍 ##

Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。Python是一种解释型脚本语言，可以应用于以下领域： Web 和 Internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发、网络爬虫。

本节介绍，下载安装 tensorflow-gpu，并配置对应版本的 cuda 和cudnn 方法，这里仅供参考，如有不对，请指教，网上或许有更好的方法，欢迎留言。

## 二、环境配置 ##

（大家参照自己的需要配置即可，这里的环境配置仅供参考）

1、tensorflow-gpu 1.15.2

2、cuda 10.0

3、cudnn 7.6.5

4、python 3.6.2

## 三、注意事项 ##

1、cuda 和cudnn 的版本要对应 tensorflow-gpu 版本，不然可能配置不成功

2、cuda 建议可能默认安装，最好不要更换安装位置，不然可能会安装不上（遇到过更改位置，安装不上的情况，不知道是必然，还是偶然）

## 四、Anacoda 的下载安装，和 tensorflow-gpu 环境创建 ##

### Anacoda 的下载安装 ###

可参见博客有详细步骤：[Python 工具 之 Anaconda 的下载、安装、环境创建，以及结合Pycharm在其Python环境下运行第一个HelloWorld][Python _ _ Anaconda _Pycharm_Python_HelloWorld]

1、cmd 中 conda -V 测试anaconda是否成功安装，显示版本号说明安装成功

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 1][]

### Anaconda 创建环境 tensorflow-gpu 环境 ###

1、打开 Anaconda，在 Environments 中 Create 创建一个环境

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 2][]

2、命名，并且选择自己的 python 版本

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 3][]

## 五、tensorflow-gpu 下载和安装 ##

### tensorflow-gpu 包的下载 ###

（可能不需要下载，好处就是，安装可能快点；其实添加镜像也会蛮快，看情况选择是否下载tensorflow-gpu 包）

1、到 tensorflow-gpu 网站，下载安装包（这里阿里云镜像）

[http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/][http_mirrors.aliyun.com_pypi_simple_tensorflow-gpu]

（注意：下载的与安装的python版本一致就好（低版本的 python 可能与高版本的 tensorflow-gpu不兼容，不匹配）)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 4][]

2、选择对应的版本，选择 保存，确定下载即可

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 5][]

### tensorflow-gpu 的安装 ###

1、打开 Anaconda Prompt 环境

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 6][]

2、使用 pip 命令安装 tensorflow-gpu

命令：pip install D:\\MyStudy\\Python\\Tensorflow\\tools\\tensorflow\_gpu-1.15.2-cp36-cp36m-win\_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple

(注意：最好添加上清华云的镜像，不然很容易 报错（网络的可能性很大）)

(其实也可以（对应下载较新版本）： pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 7][]

3、如果不添加镜像云，或者 中间把安装窗口切换到后台，也很容易报错，如下

（注意：最好添加镜像云，且中间最好别把安装窗口切换到后台哈，）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 8][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 9][]

4、因为添加了镜像云，要不了多久，就会安装成功

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 10][]

## 六、对应版本的 CUDA和cuDNN 的下载和安装 ##

### 注意事项： ###

1、因为用的是tensorflow的gpu版本，要用到NVIDIA的显卡，需要再安装与tensorflow和显卡相匹配的CUDA和cuDNN，一定注意要三者相匹配的版本；

2、如果错装了其他版本的CUDA和cuDNN，建议卸载了，重装正确的版本，之前装错了版本，把10.1，10.0和9.0都装了，但是仍然无法正常使用tensorflow，可能是多个版本之间有覆盖更新的部分，反而导致正确的版本不可用，所以建议卸载重装；

下面说下，如何确定应该安装的CUDA和cuDNN版本，假设tensorflow安装在 F:\\Technicalware\\Anaconda3\\envs\\tensorflow 目录下，  
那么以文本方式打开D:\\MySoftware\\Anaconda3\\envs\\Py3p6\_Tensorflow\_gpu\\Lib\\site-packages\\tensorflow\_core\\python\\platform\\build\_info.py这个文件，可以看到你的tensorflow所应该使用的CUDA 和cuDNN 版本：

### 确定当前安装 tensorflow-gpu 版本对应的 CUDA和cuDNN版本： ###

1、Anaconda 对应的环境 envs 下找到 build\_info.py ，即可找到对应需要的 CUDA和cuDNN 版本信息

这里路径是（仅供参考） D:\\MySoftware\\Anaconda3\\envs\\Py3p6\_Tensorflow\_gpu\\Lib\\site-packages\\tensorflow\_core\\python\\platform\\build\_info.py

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 11][]

2、也可以全盘搜索一下 build\_info.py

（可以使用 Everything 或者 桌面助手）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 12][]

3、build\_info.py 就有 当前安装 tensorflow-gpu 版本对应的要求的 CUDA和cuDNN 版本信息

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 13][]

### **build\_info.py的一些简单说明：** ###

1、这里的 msvcp140.dll 一般在C:\\Windows\\System32\\下面，是通过安装vc 2005 redistribute提供的；

2、nvcuda.dll 也是一般在C:\\Windows\\System32\\下面；

3、cudart64\_100.dll则是安装CUDA 10.0时产生的；

4、cudnn64\_7.dll是安装cuDNN 7时产生的；

注意 ：cudnn的版本要与CUDA版本对应，任何一个文件缺失或者版本不对都可能会导致tensorflow在import时报ImportError错

## 七、相应的CUDA 和cuDNN 版本的下载与安装 ##

了解了所需要安装的CUDA 和cuDNN 版本，即可到NVIDIA官网下载相应的版本

### CUDA的下载 ###

1、官网 NVIDA 找到对应的 CUDA 安装包下载

网址：[https://developer.nvidia.com/cuda-toolkit-archive][https_developer.nvidia.com_cuda-toolkit-archive]

（注意：或者可能需要翻墙，也可能不要，先试试吧）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 14][]

2、点击进入下载界面，根据自己的系统信息选择，然后点击下载

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 15][]

3、弹出窗下载即可

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 16][]

4、如果下载速度慢，可以复制下载链接，使用迅雷下载

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 17][]

### cuDNN 的下载 ###

同时下载相应版本的cudnn，稍微麻烦一点，这里要登录了NVIDIA账户才能下载，建议花一点时间注册一下，网站链接如下

1、到官网 NVIDA ，选择下载 cuDNN

网址：[https://developer.nvidia.com/cudnn][https_developer.nvidia.com_cudnn]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 18][]

2、根据自己情况，注册或者登录

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 19][]

3、有账号后，登陆即可

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 20][]

4、中间可能需要答一些问卷，然后就可以勾选 Agree 下载对应版本 cuDNN

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 21][]

5、找到对应版本，再找到对应电脑操作系统即可

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 22][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 23][]

6、弹出的下载框，选择处理方式，点击确定即可下载

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 24][]

### CUDA 的安装 ###

1、对应的 CUDA 安装包下载好后，双击安装

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 25][]

2、可以选择临时解压缓存文件夹（安装好后会自动删除），也可以默认

![20201124224814600.png][]

3、开始解压缓存一些文件，等待即可

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 26][]

4、同意并继续即可

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 27][]

5、选择自定义安装，建议把 Visual Studio Integration 和 Driver 勾选去掉再安装

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 28][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 29][]

6、建议默认安装位置即可（因为试过更改安装路径到其他盘，安装好似失败了，可能是偶然，你可以试试其他安装位置）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 30][]

7、等待安装即可

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 31][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 32][]

8、要不了多久，就会安装成功

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 33][]

### cuDAA 的安装 ###

获取叫做配置更合适

1、在安装完CUDA10.0后，把cudnn-10.0-windows10-x64-v7.6.1.34.zip解压，得到如下几个文件夹

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 34][]

2、把bin,include,lib三个文件夹直接复制到目录C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.0\\ 下即可（同名文件夹或自动把文件添加进去，不要紧）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 35][]

3、添加相应的环境变量到系统变量 Path 中

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.0

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.0\\libnvvp

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.0\\lib\\x64

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.0\\bin

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 36][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 37][]

## 八、验证 tensorflow-gpu 安装和环境配置是否成功 ##

1、打开 Anacoda Prompt 环境

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 38][]

2、激活之前创建配置的 tensorflow-gpu 环境

命令：conda info -e （查看所建立的环境）；activate envname (激活对应环境)

![20201125114040738.png][]

3、输入如下，进入 python 环境，验证，结果如图，说明 tensorflow-gpu 安装和环境配置应该没有问题

命令：python

import tensorflow

a=tensorflow.constant(\[0\])

print(a)

![20201124231029358.png][]

其他简单说明：

1、如果测试遇到如下问题，可能 numpy 版本与 tensorflow-gpu 不匹配造成

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 39][]

2、重新安装低版本的 numpy 即可

命令 ：pip install numpy==1.18.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 40][]

参考博文（感谢）：[https://blog.csdn.net/qq\_35077107/article/details/94555320?utm\_medium=distribute.pc\_relevant.none-task-blog-BlogCommendFromBaidu-1.not\_use\_machine\_learn\_pai&depth\_1-utm\_source=distribute.pc\_relevant.none-task-blog-BlogCommendFromBaidu-1.not\_use\_machine\_learn\_pai][https_blog.csdn.net_qq_35077107_article_details_94555320_utm_medium_distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1.not_use_machine_learn_pai_depth_1-utm_source_distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1.not_use_machine_learn_pai]

## 附录：其他 tensorflow gpu 环境 构建方法 ##

（感谢：[https://www.cnblogs.com/jfdwd/p/11178978.html][https_www.cnblogs.com_jfdwd_p_11178978.html]）

### 一、tensorflow -gpu安装方法（不用自己装cuda，cdnn（conda install））（仅供参考） ###

TensorFlow™是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief \[1\]  。

Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究 \[1-2\]  。

> tensorflow -gpu安装  
> 首先，安装Anoconda  
> 1. 官网下载点我：
> 
> 2.安装  
> 点击 python 3.6 version自动下载x64版，下载好之后，然后安装。  
>   
> 如图，打上勾之后，一路next  
> 3.打开终端  
> 1）输入conda –version 查看版本  
>   
> 2）配置Python环境  
> 我装的是python3.5，你们可以根据情况自己选择
> 
> conda create –n tensorflow python=3.5
> 
> 3）激活python环境：activate tensorflow  
>   
> 你可以退出当前环境：deactivate tensorflow
> 
> 划重点了：安装tensorflow  
> \*\*传统的方法就是用pip 安装，导致后面还要下载英伟达的cuda支持以及cdnn库\*\*  
> \*\*我在这里介绍一种简单的方法，不依靠pip\*\*  
> 1  
> 2  
> 在终端中输入  
> conda install tensorflow-gpu
> 
> 2.看包中内容  
>   
> 如图，cuda 9.0和cdnn 7.1.4已经自动安装了不用再自己下载  
> 3.安装完之后
> 
> 打开Anaconda Prompt 测试成功

### 二、最新方法：tensorflow -gpu安装方法（不用自己装cuda，cdnn（直接 pip install tensorflow-gpu 即可）） ###

1、激活自己的python 环境， pip install tensorflow-gpu -i [https://pypi.tuna.tsinghua.edu.cn/simple][https_pypi.tuna.tsinghua.edu.cn_simple]

（后面的 -i 镜像地址 是为了内地加速安装 python 工具包）

无需额外的在额外的安装配置 CUDA 和 cuDNN，也可以使用 tensorflow -gpu 来训练模型

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 41][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70]: /images/20221120/5c7f63809c7547d8847ad739104a266a.png
[Python _ _ Anaconda _Pycharm_Python_HelloWorld]: https://blog.csdn.net/u014361280/article/details/109787642
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 1]: /images/20221120/1e01d6d553574593b8e462de119abaac.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 2]: /images/20221120/826b022dd94b4ee09e2d04a2ba0878cb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 3]: /images/20221120/8ff5edbd99674926811c54b6bf4d8f79.png
[http_mirrors.aliyun.com_pypi_simple_tensorflow-gpu]: http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 4]: /images/20221120/f46f0fa0ee664415a1d96019e0988faa.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 5]: /images/20221120/f41c3158ade74c9496fd8fa2826a98c3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 6]: /images/20221120/5344cd1c49064140b1adc1e010c87f70.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 7]: /images/20221120/febd566a15ce4ec792ad14fee9138b74.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 8]: /images/20221120/ccf9ca37c2cf4c3c826cf175309e55f7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 9]: /images/20221120/22d65bcf1cb344b5af2194d5178a0a2f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 10]: /images/20221120/4c23bedb6cb14dc49dd83f8e17e78ee4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 11]: /images/20221120/b1d2f53f2bcf4a1da2305856ef1b76f8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 12]: /images/20221120/65b943ec24104b55bc74a8ce9830dd8a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 13]: /images/20221120/6f11b23d8e9f4259a64a205913b70c90.png
[https_developer.nvidia.com_cuda-toolkit-archive]: https://developer.nvidia.com/cuda-toolkit-archive
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 14]: /images/20221120/3b526d460ca343b39ce6fdb3be0868d4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 15]: /images/20221120/352e5bca251c4bd9a4a687ed62b438ce.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 16]: /images/20221120/ae2878551e5244d79c702ae3ed96bb16.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 17]: /images/20221120/ff4d9a7cebfa41a4a7cae6494799d9ec.png
[https_developer.nvidia.com_cudnn]: https://developer.nvidia.com/cudnn
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 18]: /images/20221120/059c34d7b1784d1f9b0c570eddc31d7c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 19]: /images/20221120/d774196a370940f3a4e9244b3c6a9d1f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 20]: /images/20221120/f1ed253637b04d7cbfaf16e7df738ee3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 21]: /images/20221120/700ef2839f3c4e1e99d2e277def08a77.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 22]: /images/20221120/a753ae63895749bab737fad78b8d485d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 23]: /images/20221120/8d6cd78d4a0a49ceac89689d4b7aacb6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 24]: /images/20221120/cf64a9408cbd40ca859b9d46b59a9b22.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 25]: /images/20221120/b734439773104b21a31a006f400e306b.png
[20201124224814600.png]: /images/20221120/8efb43bc3da44eb8b02aaee50b3f0639.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 26]: /images/20221120/479b6a8f6e9044de8c315b0fc4d746c7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 27]: /images/20221120/bff97b9ba53f476297ccb709dab1ae2a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 28]: /images/20221120/0da27ea98545414bafc41f11be5a4ec8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 29]: /images/20221120/8fe03f756f8444cba957c8a638f95321.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 30]: /images/20221120/806a6f07c5a94c3891a36dc4cf1d53e7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 31]: /images/20221120/4d4bb2bfef49493688767ce7704e6e16.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 32]: /images/20221120/45b664d6db8e41b4847c34a44b250f4a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 33]: /images/20221120/026fe032910c4a15b080bf5fe92c08b7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 34]: /images/20221120/41e5124b96764bc09eb4859d00238b7f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 35]: /images/20221120/eb575346ff204bccb284116374a4f62f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 36]: /images/20221120/bded084954034b65932e55542330fb26.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 37]: /images/20221120/2476311be5024ae5895a8181826a1ef7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 38]: /images/20221120/c4ec2788c6dd43eaa6a6984a1a78d74a.png
[20201125114040738.png]: /images/20221120/7e9dffed4b9c496db70831540534a271.png
[20201124231029358.png]: /images/20221120/f16cd30acf844b8d9a2b49ba608dd9b3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 39]: /images/20221120/818b4c36cdb44d9d8be8f9f595cf7712.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 40]: /images/20221120/f383f6446abf4981bcec59698e079445.png
[https_blog.csdn.net_qq_35077107_article_details_94555320_utm_medium_distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1.not_use_machine_learn_pai_depth_1-utm_source_distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1.not_use_machine_learn_pai]: https://blog.csdn.net/qq_35077107/article/details/94555320?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1.not_use_machine_learn_pai&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1.not_use_machine_learn_pai
[https_www.cnblogs.com_jfdwd_p_11178978.html]: https://www.cnblogs.com/jfdwd/p/11178978.html
[https_pypi.tuna.tsinghua.edu.cn_simple]: https://pypi.tuna.tsinghua.edu.cn/simple
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQzNjEyODA_size_16_color_FFFFFF_t_70 41]: /images/20221120/5993ba403cb34dd8a32f3272f286af0d.png