-
tengsorflow官网
-
TensorFlow_GPU 安装参考文献
-
GPU和CPU对应的显卡表
-
查阅自己的显卡信息
-
直接打开就可以看到版本信息(或:NVIDIA控制面板-->帮助--->显示)
-
项目:NVIDIA GeForce GTX1650
细节:驱动版本:511.79
-
历史cuda版本官网
-
MSVC 介绍
-
201_ 是 VC运行库,是Visual C++的运行库。【当前已经安装了一个2022的VS】
-
只能硬着头皮做下去了
-
唯一的补充就是安装一个MSVC
-
网址介绍支持:Visual Studio 2015、2017、2019和2022
-
-
-
查看cuda版本和显卡的对应关系
-
英伟达官网的显卡下载
-
查看显卡算力与cuda关系
-
参考文献,网友博客nvidia显卡和CUDA版本关系 - 简书
-
-
英伟达显卡GPU官网_算力表
-
为了能兼容PyTorch,查看Torch的CUDA支持版本,最终选择10.2系列版本
-
-
下载cuda对应的cunn[10.2版本]
-
我的英伟达账号:2315141991@qq.com
-
CUDA自定义安装
-
安装参考文献:
-
该文献主要内容服务于 自定义安装选项pytorch GPU版本安装_尘世猫的博客-CSDN博客_pytorchgpu版本
-
-
选择cuda的时候,需要base版本,否则配置不了环境。
-
自定义安装选项:
-
组件CUDA
-
除了 Visual Studio Integration这个选项不装,其他都跟随默认安装。
-
-
安装路径:D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
-
CUDA Development安装路径:
-
D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
-
-
CUDA Documentation安装路径:
-
D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
-
-
Samples安装路径:
-
D:\Aunzip\NVIDIA\NVIDIA Corporation\CUDA Samples\v10.2
-
-
-
添加CUDA环境变量
-
【最新消息,不用自己配置环境了——2022.06.30】
-
默认配置环境
-
CUDA_PATH
-
D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
-
-
CUDA_PATH_V10_2
-
D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
-
-
值得探讨的是,我自主添加了下面的环境【如果上面两步不成功,可以添加第三步内容】
-
PATH路径:
-
D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
-
-
-
-
剩下两个Samples和v10.2两个环境是根据网上的博客做的汇总:
-
Samples的环境:
-
D:\Aunzip\NVIDIA\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
-
D:\Aunzip\NVIDIA\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64
-
-
v10.2的环境:
-
D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
-
D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
-
D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
-
-
-
-
安装cuDNN
-
解压cuDNN
-
将解压后的文件复制到下面的目录
-
D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
-
-
选择 TensorFlow的GPU版本
-
tensorflow_gpu-2.3.0
-
TensorFlow官网参考内容:
-
参见 3
-
-
需要MSVC 2019
-
满足 参见 6
-
-
需要算力 7.6以上
-
不满足 参见 7.c
-
-
需要 CUDA 10.1以上
-
当前使用10.2 参见 9
-
-
-
conda create -n tensor_gpuPY36 python=3.6
-
激活虚拟环境
-
conda activate tensor_gpuPY36
-
-
安装Tensorflow参考官网
-
pip install tensorflow-gpu==2.3 -i Simple Index
-
-
找不到文件cudart64_102.dll文件
-
解决参考文献:解决cudart64_101.dll not found的问题_小羊000000的博客-CSDN博客_cudart64_101.dll
-
改进解决方案:
-
下载cudart64_101.DLL文件
-
解压后将cudart64_101.dll文件复制到启动CUDA的启动文件夹
-
启动文件夹是bin开始的,所以放到这个路径
-
D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
-
-
-
测试Tensorflow-gpu是否安装成功
-
在Tensorflow环境中启动Python
-
import tensorflow
-
测试语句一:
-
tf.test.is_gpu_available()
-
-
测试语句二:
-
tf.test.is_built_with_cuda()
-
-