安装tensorflow-gpu版本对应cuda和cudnn版本参考 TensorFlow
配置环境之前需要安装anaconda,这是在我之前发的tensorflow(cpu版本)基础上配置的
我以下面红框的版本为例,我的显卡是GTX1050显卡(该显卡是入门级显卡,在深度学习方面远远不够,环境配好之后只是在笔记本上调代码,没有bug后拷贝到服务器上去跑)
1.安装vs2013、2015或者2017
2. 安装显卡驱动
2.1 查看显卡型号。
右键计算机->设备管理器->显示适配器
我的电脑的GPU是NVIDIA GeForce GTX 1050,支持CUDA (compute capability: 5.0))。 基本主流的英伟达显卡都支持CUDA,欲查看支持CUDA的所有GPU的列表可以访问: http://developer.nvidia.com/cuda-gpus
2.2 下载对应型号的最新显卡驱动
地址:驱动程序 | GeForce https://www.geforce.cn/drivers
2.3 下载后双击.exe文件默认路径安装
3. 安装CUDA9.0
3.1 登录官网下载CUDA9.0
地址:CUDA Toolkit 9.0 Downloads | NVIDIA Developer
3.2 双击.exe文件安装
在计算机上点右键,打开属性->高级系统设置->环境变量,可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量,接下来,还要在系统中添加以下几个环境变量.
我的安装路径是默认的,所以添加的路径分别是下面这样的:
CUDA_SDK_PATH:
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
CUDA_LIB_PATH :
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
CUDA_BIN_PATH :
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
CUDA_SDK_BIN_PATH :
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\bin\win64
CUDA_SDK_LIB_PATH :
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\common\lib\x64
然后,在系统变量 PATH 的末尾添加:
;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
;C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\common\lib\x64
;C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\bin\win64;
重新启动计算机。
3.3 验证CUDA9.0已正确安装
打开cmd,输入nvcc -V。结果如下图。
4. 安装CuDNN_v7.0
4.1 登录官网下载CuDNN_v7.0
地址:https://developer.nvidia.com/cudnn(需要注册账号),请注意cuDNN的版本一定要和CUDA相适应。
不用注册下载方法:https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b
右击复制地址打开迅雷下载
4.2 下载完成后解压。
将下载到的安装包解压 解压后cuda目录下有bin,include,lib三个文件夹
我的CUDA的安装路径是: C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v9.0
4.3 添加头文件和库文件到CUDA
复制cuda目录下的三个文件夹,
粘贴到C:\ProgramFiles\NVIDIA GPU ComputingToolkit\CUDA\v9.0路径下(会与原有的同名文件夹合并)。
4.4 添加环境变量
检查环境变量名:CUDA_PATH值:C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v9.0是否存在,不存在则添加。
5 安装TensorFlow-gpu
激活conda环境:activate py36(activate后面是环境名称,我的环境名称是py36)
安装支持GPU的TensorFlow: pip install tensorflow-gpu==1.12(版本自己选择)
pip下载用国内镜像源如,清华镜像源
方法:在自己用户目录下新建文件夹重命名为pip
在pip文件夹里面新建txt文本在文本里面复制下面的代码
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
保存文本重命名为pip,后缀改为ini
这样以后用pip命令安装就会从清华镜像下载
安装好之后用下面代码测试是否成功安装,出现GPU的相关信息说明安装成功
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))