痛苦了三天,才完全搞好,难a!!!
记录一下。
真的想说很多教程都是垃圾!!!!!!!!!!!!!!!!!!
- 深度学习需要安装软件内容
·VS2017
·CUDA9.2
·cuDNN7.1
·Anacoda5.2
·Python3.6.6
·Tensorflow1.10
电脑配置:我的电脑是联想小新air14 ,显卡MX150.
版本支持
版本 Python 版本 编译器 编译工具 cuDNN CUDA
tensorflow_gpu-2.0.0-alpha0 2.7、3.3-3.6 GCC 4.8 Bazel 0.19.2 7.4.1以及更高版本 CUDA 10.0 (需要 410.x 或更高版本)
tensorflow_gpu-1.13.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.19.2 7.4 10.0
tensorflow_gpu-1.12.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.11.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.10.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.9.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.11.0 7 9
tensorflow_gpu-1.8.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.10.0 7 9
VS2017的安装
安装VS的时候安装python3.6.6
安装VS的时候安装Anaconda3 64位 5.2.0版本
Python和anacoda是VS安装的,安装的路径在:
C:\Program Files (x86)\Microsoft Visual Studio\Shared
分别在
C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64
C:\Program Files (x86)\Microsoft Visual Studio\Shared\Python36_64
可能现在大伙都已经开始使用VS2019进行开发了。VS2019的下载使用也都很简单。由于工作需要,今天要在笔记本上安装VS2017,结果发现,VS2017的下载变得不是那么容易了,官方的下载方式也隐藏的很深,来来回回折腾了好一会才下载下来,因此记录一下,防止大家也采坑。
原文地址:https://www.cnblogs.com/yilezhu/p/10857134.html
CUDA9.2
CUDNNhttps://developer.nvidia.com/rdp/cudnn-download
教程:
https://blog.csdn.net/weixin_42359147/article/details/80622306
主要教程:
https://blog.csdn.net/wwtor/article/details/80603296
Win10 64 位Tensorflow-gpu安装(VS2017+CUDA9.2+cuDNN7.1.4+python3.6.5)
配置CUDA环境变量
!!!!!!!!!!!!!!!!!!!!!!!!
上面教程能安装好cuda,但并不能配置好cuda,配置环境变量,需要参考
https://blog.csdn.net/u010618587/article/details/82940528
证明cuda9.2和cudnn7.1.4安装成功√√√√√
解决VS2017里面应用cuda的问题。
使用VS2017 测试CUDA9.0,报错:
问题:Error C1189 #error: -- unsupported Microsoft Visual Studio version! Only the versions 2012, 2013, 2015 and 2017 are supported!
翻墙得到的解决方法(亲测有效):
"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include\crt\host_config.h"(路径不是绝对的,这是你安装时自己选的路径.忘记了就搜索下),然后
修改前代码:#if _MSC_VER < 1600 || _MSC_VER > 1910
修改后代码:#if _MSC_VER < 1600 || _MSC_VER > 1999
证明VS17也哦可了!!!!√√√√√
VS17新建cuda9.2项目参见
https://www.cnblogs.com/wayne793377164/p/8185404.html
可靠√√√√√
Anaconda5.2的配置
安装路径:C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\
PATH里面添加环境变量
C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\Library\bin
C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\Scripts
C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64
打开命令提示符(按住田字键和R键)输入cmd,输入conda和python,检测是否安装成功
安装成功了√√√√√
强制升级PIP
一、问题:
之前python3.6是安装的pip版本为:pip=9.0.1,我按照提示升级报错,一直装不上pip18.0,于是直接在site-package目录下删掉了pip-9.0.1的文件夹,然后再执行pip安装其他包的时候就会报错,如下图:
二、解决方案:强制重新安装pip3
cmd下,输入如下命令:
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py --force-reinstall
三、验证安装
pip show pip
方法2可行,已验证√√√√
参考教程,最后安装的是tensorflow1.10
https://www.cnblogs.com/gaoyq/p/10268442.html
安装成功显示:
Successfully uninstalled tensorflow-gpu-1.8.0
Successfully installed numpy-1.14.5 setuptools-39.1.0 tensorboard-1.10.0 tensorflow-gpu-1.10.0 werkzeug-0.15.
测试:
输入python
输入以下代码
import tensorflow as tf
hello = tf.constant('hello, tf!')
sess = tf.Session()
print(sess.run(hello))
打印信息:
C:\Users\sky\Downloads>python
Python 3.6.6 (v3.6.6:4cf1f54eb7, Jun 27 2018, 03:37:03) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> hello = tf.constant('hello, tf!')
>>> sess = tf.Session()
2019-07-29 11:53:13.410758: I c:\users\user\source\repos\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1405] Found device 0 with properties:
name: GeForce MX150 major: 6 minor: 1 memoryClockRate(GHz): 1.5315
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.62GiB
2019-07-29 11:53:13.418768: I c:\users\user\source\repos\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1484] Adding visible gpu devices: 0
2019-07-29 11:55:43.899800: I c:\users\user\source\repos\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:965] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-07-29 11:57:44.246628: I c:\users\user\source\repos\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:971] 0
2019-07-29 11:57:44.254993: I c:\users\user\source\repos\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:984] 0: N
2019-07-29 11:57:45.075218: I c:\users\user\source\repos\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1097] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1381 MB memory) -> physical GPU (device: 0, name: GeForce MX150, pci bus id: 0000:01:00.0, compute capability: 6.1)
>>> print(sess.run(hello))
b'hello, tf!'
>>>
方法可行,已验证√√√√