本篇简要记述安装心路历程,安完了觉得其实并不难,具体操作请见我的另一篇文章
引言 为什么要用GPU
测试CNN时的效率:(Quadro M1000M 4G vs i7 6700 HQ)
一、摘要
安装CUDA及DNN
虚环境中安装Tensorflow GPU, 安装Keras
关联Jupyter、PyCharm
二、详细说明
安装CUDA及DNN 参考
Nvidia官网下载cuda v9.0, 注意版本9.0! 一开始9.2下完还要冲下
Nvidia官网下载cudnn,需要注册个账号
安装cuda,解压cudnn,将解压后的三个文件(bin、include、lib)移动至$CUDA_PATH(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0) 下
添加环境变量,Path中添加 $CUDA_PATH\bin 和 $ CUDA_PATH\lib\x64
安装Tensorflow-GPU,安装Keras
一开始我在3.6版本中直接安装tensorflow-gpu可以,gpu版测试成功,但安装keras之后发现就自动变成了cpu版本!后来把Anaconda卸掉了重装,这次安装就在虚环境中了:
#新建虚环境keras conda conda create -n keras python=3.5 #进入keras环境 activate keras #安装tensorflow pip install tensorflow-gpu #安装keras pip install keras
就这么简单,如果不出错的话运行以下示例PyCharm中会报包括一堆显卡信息的:
关联Jupyter
activate keras # 安装 conda install ipykernel # 将环境写入notebook kernel python -m ipykernel install --user --name 环境名称 --display-name "Python (环境名称)" # 然后打开Notebook jupyter notebook # 值得一提的是,如想删除安装的jupyter虚环境: #查看已安装环境 jupyter kernelspec list # 删除 env_name 的kernel ipython kernelspec uninstall env_name #参考 https://www.youtube.com/watch?v=kUUtz-CymkM\