目录
序言:
最近打算用CNN模型来实现对物体的检测和识别,说白了就是入门深度学习。本人的笔记本电脑配的不是英伟达的显卡,也就意味着不支持GPU加速,没办法四年前的老联想,无奈只能用学校机房的电脑,因为机房电脑的配置真不是一般的好,这就很香啊。所以我尝试着在学校机房电脑上搞起了深度学习入门时该干的事,即配置TensorFlow-gpu的运行环境。这不!成功配置好了,所以就写篇文章来分享分享咯。废话不多说,直接开始。
一、硬件环境
- 操作系统:Win10
- 显卡:NVIDIA Quadro P620
二、应该要下载安装的东东
- NVIDIA Quadro P620的驱动程序
- CUDA 11.2
- cudnn 8.1
- python==3.8.8
- tensorflow-gpu==2.5.0
三、正文
版本查看:Build from source on Windows | TensorFlow 请仔细看好对应的版本。
1、下载安装NVIDIA Quadro P620的驱动程序(自信的话可以跳过)
想到学校机房的电脑太久没更新驱动了,二话不说直接给它安装上官网最新的驱动,说不定可以省掉很多不知名的错误。
下载地址:官方驱动 | NVIDIA
下载前请先查看 设备管理器->显示适配器 对应的Nvidia驱动程序的相关信息,然后对号入座。
2、下载 CUDA 11.2 和 cudnn 8.1
- CUDA下载链接:CUDA Toolkit Archive | NVIDIA Developer
- cudnn下载链接(下载前得先登录注册账号): cuDNN Archive | NVIDIA Developer
- 安装方法请参考其他博主的文章:点击跳转
下载的cuda版本不要大于cuda驱动的版本。下图的cuda驱动版本为12.1.68,所以我这里就选择下载11.2的cuda。至于11.7等那些更高版本的为啥不考虑,因为版本查看显示的最高版本的tensorflow-gpu==2.10.0对应的cuda也就才11.2而已,支持11.7等更高版本的cuda的tensorflow-gpu还没开发出来嘞,这就是为啥明明安装的cuda都这么高了却还跑不了tensorflow-gpu的原因。
安装完cuda后,解压cudnn,复制里面的三个文件夹
打开cuda安装目录,一般在c盘的program files下,然后将复制的三个文件夹粘贴到下图类似的路径下即可。
至此,cuda的安装和配置就已经完成了,其中的cudnn相当于cuda的深度学习补丁。
3、安装Tensorflow-gpu和torch
# 在python3.8命令行环境下,输入
pip install tensorflow-gpu==2.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple