在一路踩坑,一路百度之后,在电脑上终于安装好CUDA和cudnn,然后再anaconda中完成tensorflow-gpu的搭建。以及成功地将环境运用于pycharm中。下面介绍一下详细的步骤和注意事项。(2018.12.17)
大致步骤就是安装显卡驱动——》cuda——》cudnn;安装anaconda——》创建环境——》配置环境。
一、硬件相关安装
1、确定好自己的显卡类型和驱动,一般来讲,只要显卡能装上最新的驱动(>=400版本),都可以。当然显卡驱动不是最新的也没关系,只要cuda和cudnn支持就行,具体见下图。
2、确定好自己的显卡驱动支持的cudn版本之后,现在来看你安装的tensoflow所支持的版本。见下图。
一般来讲,至今安装的tensorflow都是最新版本(当前版本1.12)。例如,我的版本tensorflow1.12(用print(tf.__version__)查看),只支持CUDA9.0,所以当前的CUDA并不支持。
3、根据官网(https://developer.nvidia.com/cuda-toolkit)提示直接下载即可,安装过程一路next,没什么特别的。
4、接下来就是下载cundd(https://developer.nvidia.com/rdp/cudnn-archive)。先说明下,cudnn只是CUDA针对深度学习框架(主流框架很多都支持)的一个库。下载过程需要注册登陆NVIDIA的账号。
5、下载完成之后需要将cundd解压。并把相应目录中的文件拷贝到安装CUDA目录下的相同的文件名中,例如下图
CUDA安装目录:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
6、这样就完成了硬件的准备工作。接下来就是安装anaconda,以及配置环境。
二、Anaconda相关安装
1、从官网下载安装anaconda(https://www.anaconda.com/download/)。
2、安装过程中要注意下面的途中的选项
这样会省去很多后面添加环境变量的麻烦。
3、创建环境并配置。
创建并命名,然后安装相关工具包
安装完成之后就可以在该环境使用tensorfolw-gpu了。
4、例程如下
5、在这里可以看到我的可用的设备有两个,一个是CPU一个是1050ti的GPU。
好了,到这里差不多就完成了,本文中没有使用网上说的用conda,因为conda的结果和在图形化界面中配置结果是一样的。
下面是一些参考的CSDN的博客,感谢这些大佬们。
https://developer.nvidia.com/cuda-90-download-archive
https://www.jianshu.com/p/321ec1f27994
https://blog.csdn.net/lucifer_zzq/article/details/76675239
https://blog.csdn.net/qq_36124802/article/details/79675485
https://blog.csdn.net/qq_37437892/article/details/79576429
6、可能有错误和不妥的地方,欢迎批评指正。
(日后会写一下在pycharm中使用这些搭建好的环境,欢迎关注^_^)