快速安装TensorFlow(GPU) for Windows

最新推荐文章于 2024-07-13 01:33:51 发布

Stat_HU

最新推荐文章于 2024-07-13 01:33:51 发布

阅读量559

点赞数

文章标签： TensorFlow 安装 Windows GPU

本文链接：https://blog.csdn.net/Huxnnn/article/details/100269237

版权

1. 基本配置

Win10, 16G内存, NVIDIA GeForce GTX 1060 6GB
已安装Anaconda 3, python 3.6.5 https://www.anaconda.com/distribution/#download-section

2. 安装步骤

下载安装CUDA Toolkit

根据GPU型号在NVIDIA官网查看是否支持CUDA，型号可从“我的电脑”右键“管理”——“设备管理器”——“显示适配器”查看。 Google“型号+specification”可以查看你的显卡型号是否支持CUDA。

确认支持后，在https://developer.nvidia.com/cuda-toolkit-archive，下载相应版本的CUDA. 具体版本我参考的是tensorflow官网中的software requirements, https://www.tensorflow.org/install/gpu。最终下载的是CUDA 9.0版本。

注：

a. 这里看了很多不同的版本建议（有的说一定要8.0，有的说按照本机的CUDA需求9.2），CUDA 1G+，好在一次成功，这里没有明确的建议。

b. 下载完了直接双击安装即可，安装时默认路径，选择自定义类型，去掉Visual Studio Integration，否则会报安装失败。

安装成功后，运行cmd，输入“nvcc -V”，出现如下提示即安装成功。

下载cuDNN

选择CUDA对应的cuDNN安装即可，但CUDA对应多个，我当时选择的是最新版的cuDNN。https://developer.nvidia.com/rdp/cudnn-archive。

注：进入下载页面前，需要进行一番注册.

下载解压后有

将文件夹中的全部内容复制粘贴到CUDA对应的安装路径下，即C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0，替换已有的文件夹。

安装TensorFlow

接下来本应该是python及相关库的安装配置，装过Anaconda即可。最后就可以正式安装TF了，这里安装方式有很多种，常用的是pip，但如果从官网直接下速度极慢，可通过国内镜像下载。

cmd输入“pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow-gpu”即可。这里使用的是清华大学的镜像源地址，也可替换成其他，如

阿里云

http://mirrors.aliyun.com/pypi/simple/

中国科技大学

https://pypi.mirrors.ustc.edu.cn/simple/

豆瓣(douban)

http://pypi.douban.com/simple/

清华大学

https://pypi.tuna.tsinghua.edu.cn/simple/

中国科学技术大学

http://pypi.mirrors.ustc.edu.cn/simple/

如不出现报错，一般就安装成功。

测试

调用常见测试，出现下面结果即成功。

import tensorflow as tf
hello = tf.constant("hello,tensorflow!")
sess = tf.Session()
print(sess.run(hello))

3. 出现过的问题

CUDA安装失败，版本问题的纠结。--解决方案看上去有很多，只尝试了上面的方式成功
安装TF时提示“distributed 1.21.8 requires msgpack, which is not installed.”和pip版本低的问题，只需更新即可--“pip install msgpack”。
Import tensorflow as tf时类似如下错误：

Traceback (most recent call last): 
    File “D:\Python\Python35\lib\site-    packages\tensorflow\python\pywrap_tensorflow_internal.py”, line 18, in swig_import_helper 
    return importlib.import_module(mname) 
    File “D:\Python\Python35\lib\importlib__init__.py”, line 126, in import_module 
    return _bootstrap._gcd_import(name[level:], package, level) 
    File “frozen importlib._bootstrap”, line 986, in _gcd_import 
    File “frozen importlib._bootstrap”, line 969, in _find_and_load 
    File “frozen importlib._bootstrap”, line 958, in _find_and_load_unlocked 
    File “frozen importlib._bootstrap”, line 666, in _load_unlocked 
    File “frozen importlib._bootstrap”, line 577, in module_from_spec 
    File “frozen importlib._bootstrap_external”, line 906, in create_module 
    File “frozen importlib._bootstrap”, line 222, in _call_with_frames_removed 
    ImportError: DLL load failed: 找不到指定的模块。

尝试找了很多方式，如环境变量、重装等等，最后问题还是定位在CUDA版本和tf-gpu不匹配导致，具体的匹配版本要在https://www.tensorflow.org/install/gpu上自行查找。我用的tf版本为1.13.1，故应该用CUDA 10.0+cudnn 7.5.0的组合。重新安装后即可用。

注：这里还有个小问题就是同时装两个版本的CUDA（更高级的版本）不会影响，会自行删除上一版本，但文件夹好像还保留部分，但不影响。Nvcc –V是新版的。

另外，此时import时还报错“ModuleNotFoundError: No module named 'numpy.core._multiarray_umath'”，这里只需要卸载重装一下numpy就可以了。