文章目录
前言
本文记录了安装TensorFlow-gpu版本的全教程。
安装TensorFlow-gpu版本需要安装Python环境、TensorFlow-gpu、cuda工具、cudnn GPU加速库。
本文Python环境:3.7
编辑器:Pycharm
TensorFlow-gpu:2.2.0
cuda工具:10.1
cudnn:10.1 for windows v8.04.30 混合 10.1 for windows v7.65.32中的cudnn64_7.dll文件才不会报错。(文件链接在文末)
提示:以下是本篇文章正文内容,下面案例可供参考
一、前期环境检查
1、版本对应
这里给出一些tensorflow-gpu版本与cuda与cudnn版本对应(仅供参考):点击这里
2、检查自己电脑可支持的最高cuda版本
打开Nvidia显卡控制面板,点开左下角的系统信息,点击组件。如下图所示:
一般安装的cuda工具低于等于自己驱动的版本就可以了。如果自己驱动版本太低,可以去官网下载新版的驱动装一下。(tensorflow-gpu版本2.0最低也要cuda版本10)
二、安装步骤
1、Python环境
省略
2、TensorFlow-gpu安装
在Pycharm的终端用pip命令进行安装,鉴于直接安装可能会失败。这里直接用阿里云的镜像安装。同时指定2.2.0版本安装,高版本的有bug。
如:
# 该段代码作用是交换张量a的第一维和第二维
# 在tensorflow-gpu 2.3.x版本上运行的时候,输出的结果会出现错误,打印出全0的张量
import tensorflow as tf
a=tf.reshape(tf.range(24),[2,3,4])
print(tf.transpose(a,(1,0,2)))
所以安装2.2.0版本的
pip install tensorflow-gpu==2.2.0 -i https://mirrors.aliyun.com/pypi/simple/
3、下载cuda工具并安装
点击这里下载
安装步骤:
- 点击下载下来的exe程序
- 一路点击下一步即可
- 在这里选择自定义,点击下一步
- 选择第一个组件即可
- 点击下一步继续安装(建议不要更换默认的自定义位置,如果系统盘内存实在不足,更改也没关系,记住安装的位置即可)
4、根据cuda版本下载对应的cudnn
点击这里下载
直接注册登录就可以下载cudnn了。
- 解压下载下来的cudnn压缩包
- 将解压下来的cuda文件夹复制到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
目录下
- 将上一步cuda文件夹下的bin目录、lib目录、include目录下的文件对应的复制到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
目录下对应的文件夹中即可完成cudnn的导入。(我这里安装的cuda是10.1,所以是v10.1,具体看你自己安装的cuda版本)
三、测试是否安装成功
import tensorflow as tf
print('GPU:', tf.test.is_gpu_available())
输出:
四、遇到的问题
本人第一次安装后测试出现问题
Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll
解决方法:
只需要将该cudunn_7.dll加入到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
目录下和
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\cuda\bin
目录下即可。(同上我这里安装的cuda是10.1,所以是v10.1,具体看你自己安装的cuda版本)
cudnn64_7.dll
提取码:xlip