CUDA 9.0 + cuDNN 7.0 + tensorflow-gpu 1.11.0
一、CUDA安装
在安装CUDA之前,先确定支持的CUDA版本
(1)首先打开NVIDIV控制面板
(2)点击系统信息
(3)选择组件,这里支持的最大CUDA版本是9.0,或者9.0以下的版本也可以
然后下载CUDA
CUDA官网地址:https://developer.nvidia.com/cuda-toolkit-archive
一开始选择的本地安装,但下载下来打不开,换成联网安装也可以安装成功
下载后双击开始安装
临时解压路径默认即可
选择自定义安装
红框中的取消勾选
安装路径要记住,之后配置环境变量会用到
安装完成!
然后查看系统变量,应该有以下几个
再添加系统变量
最后测试,显示版本号即为安装成功
二、cuDNN安装
tensorflow-gpu和CUDA、cuDNN需要版本对应,一定要根据下图选择对应的版本!
这里选择的cuDNN版本是7,然后就可以到官网下载了
cuDNN官网地址:https://developer.nvidia.com/rdp/cudnn-archive
下载成功后解压,将解压后文件夹中的文件拷贝到CUDA的安装目录下就完成了
三、tensorflow-gpu安装
pip install tensorflow-gpu==1.11.0
测试一下是否安装成功
# -*- coding: utf-8 -*-
"""
测试tensorflow版是否安装正确
"""
import tensorflow as tf
import numpy as np
import time
value = np.random.randn(5000, 1000)
a = tf.constant(value)
b = a * a
c = 0
tic = time.time()
with tf.Session() as sess:
for i in range(1000):
sess.run(b)
c += 1
if c % 100 == 0:
d = c / 10
# print(d)
print("计算进行%s%%" % d)
toc = time.time()
t_cost = toc - tic
print("测试所用时间%s" % t_cost)
print("Ubuntu测试时间为7.99727988243103")
运行结果
参考链接:
https://blog.csdn.net/sinat_23619409/article/details/84202651
https://blog.csdn.net/qq_36909753/article/details/87886263?app_version=5.8.1&code=app_1562916241&csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%2287886263%22%2C%22source%22%3A%22Qi__Xi%22%7D&uLinkId=usr1mkqgl919blen&utm_source=app