背景:我的是台式机,显卡3070,准备安装tf - gpu ,且准备在pycharm和jupyter上工作
- 新建虚拟环境
conda create -n tf python=3.8
- 激活虚拟环境
conda activate tf
安装cuda11.6和cudnn8.5
下载地址:https://developer.nvidia.com/cuda-toolkit-archive
正常安装就好,地址可以改,
看清楚必须要求当前版本>=新版本,如大于,则取消勾选,如等于也可以随便选择,如果小于,则必须勾选,也就是说,我们要安装最新的版本,切记!!!!
上面地址 不要变!!! 不要变 然后此处记得截图,后面配置环境变量可能会用到
然后剩下的一路保持默认安装就好。
可以看到这里系统已经自动帮我们配置好了,如果这里没有,则按照上面的截图的地址来配置
然后打开cmd 输入nvcc -V 看是否安装成功
cuDNN神经网络加速库安装
顾名思义:这是针对的是神经网络进行加速的,https://developer.nvidia.com/rdp/cudnn-archive,进入官网,cudnn官网,
此处,需要登录NVIDIA的账户。登录完成后才能下载,大家可以注册一下,只要邮箱,很快,预计1分钟
然后解压
然后打开下图的路径,里面是cuda的源文件,然后无脑吧上图的4个文件全部复制到下图的路径中,可以看到,下图后面四个箭头就是我复制好的,如果重名,直接替换,cuDNN其实就是CUDA的一个补丁而已
配置环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include
看清楚哈,是Path里面,新建,把这四个加进去,保存
配置好环境后,我们需要验证环境变量是否配置成功,打开cmd,输入下面指令
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite
然后分别输入下面两个命令
.\bandwidthTest.exe
.\deviceQuery.exe
两个都是PASS,则说明成功!
cmd 输入 nvidia-smi
TensorFlow的gpu版本安装
我试了很多博主的,我用这个命令 pip install -U tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple 发现安装的是tf2.10的版本,我想要2.9 的,(“-U”参数指定如果已安装此包,则进行升级命令。)
最后一种方法成功,
pip install tensorflow-gpu==2.9.0
我是在cmd窗口,进入虚拟环境,然后输入上面命令的
(打开cmd 输入conda activate tf 即可进入虚拟环境 )
然后 进入python环境,若无错误信息,输入tf.test.is_gpu_available()
或者输入 tf.config.list_physical_devices(‘GPU’)
查看可用的gpu数量:print(‘Num GPUs Available:’,len(tf.config.list_physical_devices(‘GPU’)))
查看TensorFlow的版本信息 tf.version
记录一下,这是总图 2022-11-7 16:38写的
安装jupyter内核
然后,还有个问题,在虚拟环境里,进入jupyter,无内核
直接打开命令窗,进入虚拟环境,直接键入:
conda install nb_conda
关闭命令窗,再次打开,键入jupyter notebook,进入后,发现有了!!
大功告成!!!记录一次安装ttensorflow的经历,花费了我半天时间!!喜欢的话点个赞!未经允许,禁止转载!!!
本文写于2022-11-7 16:38