总体流程
- 卸载现有的cuda、以及GPU驱动
- 到官网下载好cuda10.0以及对应的cudnn
- 安装tensorflow-gpu==2.0.0正式版
下面说一下具体注意事项(我遇到过的坑):
- cuda的下载版本需要根据你的显卡型号和tensorflow的版本来选择
- 官网默认下载的cuda是最新版本,一定记得去寻找一下历史版本
- cudnn的下载需要注册账号,但是一定要下载对应的版本
- cudnn的安装过程就是把对应的文件夹里面的文件剪切到cuda对应的文件目录之下
- 至于为什么需要卸载现有的cuda和GPU驱动,我是因为之前安装了GPU驱动,但是在安装cuda时总是出现各种莫名其妙的错误,索性直接一块卸载一块安装;这样在安装cuda时就不需要注意什么东西了,直接一路点击下一步即可。。。
- cuda是N卡的驱动,也就是只有NVIDIA公司的显卡才能使用,AMD的显卡用不了
- 关于tensorflow-GPU版本版本的安装,切勿直接使用命令:pip install tensorflow-gpu,这是因为pip工具会默认下载最新版本的tensorflow2.1.0
- 使用命令pip install tensorflow-gpu==2.0.0 -i https://pypi.douban.com/simple安装
- 如果中间过程出现个别库的版本过高或者过低,务必卸载并安装好对应版本的库
- 最后记得安装好一个叫做numba的库
- 最后的最后,在用ensorflow-gpu版本做相关神经网络的训练时,我的GTX1050显卡4GB内存直接被占了一大半,有时全部被占用,而且程序运行结束之后也不会自动释放被占用的内存。因此,一定记得在程序的开头加入一句:from numba import cuda,在程序结束的位置加上一句cuda.close()就可以将cuda占用的显卡内存释放