tensorflow ---gpu的环境配置

1. CUDA配置：

先鼠标右键查看对应的CUDA的版本：

2.安装CUDA：

1.点击 CUDA去官网来下载安装包。

 这里我选择的是我电脑支持的9.0的版本：

2.下载CUDA安装包：

3. 安装CUDA的过程：

自定义安装路径：

 安装过程：

 系统检查完成：

 

选择自定义安装：

 

下一步：

 下一步：

 等待一会：

 完成：

 

 4. 查看是否安装成功：打开cmd 输入nvcc --version ;出现下面的信息说明完成

3.根据本机的CUDA驱动版本确定cuDNN版本。

根据本机的CUDA、cuDNN版本确定python及TensorFlow版本。如下表所示：

tensorflow_gpu版本    Python 版本    cuDNN    CUDA
tensorflow_gpu-2.4.0    3.6-3.8    8.0    11.0
tensorflow_gpu-2.3.0    3.5-3.8    7.6    10.1
tensorflow_gpu-2.2.0    3.5-3.8    7.6    10.1
tensorflow_gpu-2.1.0    3.5-3.7    7.6    10.1
tensorflow_gpu-2.0.0    3.5-3.7    7.4    10
tensorflow_gpu-1.15.0    3.5-3.7    7.4    10
tensorflow_gpu-1.14.0    3.5-3.7    7.4    10
tensorflow_gpu-1.13.0    3.5-3.7    7.4    10
tensorflow_gpu-1.12.0    3.5-3.6    7    9
tensorflow_gpu-1.11.0    3.5-3.6    7    9
tensorflow_gpu-1.10.0    3.5-3.6    7    9
tensorflow_gpu-1.9.0    3.5-3.6    7    9
tensorflow_gpu-1.8.0    3.5-3.6    7    9
tensorflow_gpu-1.7.0    3.5-3.6    7    9
tensorflow_gpu-1.6.0    3.5-3.6    7    9
tensorflow_gpu-1.5.0    3.5-3.6    7    9
tensorflow_gpu-1.4.0    3.5-3.6    6    8
tensorflow_gpu-1.3.0    3.5-3.6    6    8
tensorflow_gpu-1.2.0    3.5-3.6    5.1    8
tensorflow_gpu-1.1.0    3.5    5.1    8
tensorflow_gpu-1.0.0    3.5    5.1    8

我的CUDA版本是9 所以只能选择对应9 的版本进行安装

1.点击cudnn进入官网，根据电脑系统选择合适的版本，从官网下载（首次下载需要注册NVIDIA账号）。首先需要注册登录。

 cuDNN安装步骤：

2.先下载cuDNN的安装包

下载地址：cuDNN Download | NVIDIA Developer

 

3. 安装：

解压：解压包显示内容

 4.打开CUDA的安装路径：

5.将cuDNN的包对应的文件，都移动到CUDA包对应的文件中。不是替换是复制。

 

 

 6.复制对应的文件：

 4. 安装tensorflow-gpu版本

1.找到anaconda Prompt这个环境：

2. 配置清华源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda create -n tensorflow-gpu python=3.6.5

如果出现下面：错误，因为该源已经不支持该环境了

You will need to adjust your conda configuration to proceed. Use `conda config --show channels` to view your configuration's current state, and use `conda config --show-sources` to view config file locations.

输入：先移除源

conda config --remove-key channels

然后再输入：再重新输入一遍

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda create -n tensorflow-gpu python=3.6.5
​

3.创建tensorflow-gpu的环境：

（1）点击y:上面环境出现y/no: 直接点y出现下面的结果：

(2) 然后输入激活环境：conda activate tensorflow-gpu

(3) 先升级pip到最新版，防止稍后安装出现错误，输入指令

python -m pip install --upgrade pip

 (4) 安装tensorflow-gpu: 一定要指定对应版本；安装好之前与CUDA匹配的版本。

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow-gpu==1.9

(5) 完成：

(6) 测试：

import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

 出现：gpu devices :0 表示成功：

tensorflow 2以上的版本输入：

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
sess= tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True))
print(sess.run(c))

 4. 如果再次进入anaconda的环境中的tensorflow-gpu的环境：

activate tensorflow-gpu