TensorFlow——GPU安装

TensorFlow——GPU版本安装

参考文章 1.http://blog.sina.com.cn/s/blog_14935c5880102wu86.html
2.https://www.cnblogs.com/hear-nothing/p/7464882.html 镜像下载
3.https://blog.csdn.net/gangeqian2/article/details/79358543 安装
1.winR打开诊断看电脑GPU信息dxdiag
查看电脑GPU版本 https://developer.nvidia.com/cuda-gpus
2.打开NVIDIA控制面板->帮助->组件查看当前显卡支持CUDA Tool kit的版本

CPU下训练模型很慢，GPU则相对快速很多，NVIDIA有GPU，可以安装，用GPU在代码中加入两行，0代表第一块GPU设备

import os
os.environ['CUDA_VISIBLE_DEVICES'] = "0"

(1)安装CUDA

可看做GPU的驱动

1.准备好NVIDIA的显卡，下载安装CUDA

https://developer.nvidia.com/cuda-toolkit-archive

下载完后，双击就可安装，next到底

这样就全部安装成功。
验证安装成功：打开cmd，输入nvcc -V，显示如下，则CUDA安装成功。

2.安装好之后把CUDA安装目录下的bin和lib\x64添加到Path环境变量中

安装目录：（1）若为默认安装，安装目录在（c->Program Files->NVIDIA GPU Computing Toolkit->CUDA->v8.0）
（2）自建目录安装：eg（E:\GPU_install\cuda_install\DocumentationDevelopment）
环境变量：控制面板->高级系统设置->环境变量->Path(…bin和lib\x64)

环境变量设置好后，CUDA就生效了

3.配置完成后，我们可以验证是否配置成功

使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：
首先win+R启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:


如果以上两步都返回了Result=PASS，那么就算成功啦。

(2)安装好CUDA后，安装CuDNN

CuDNN用于深度学习加速

1.CuDNN下载

https://developer.nvidia.com/rdp/cudnn-download
创建NVIDIA账号，并注册，（我用facebook注册）账号：手机号码/qq邮箱 密码：常用（第一个字母大写）
对应下载cuDNN7.0

2.CuDNN下载完后，解压压缩包，把压缩包中bin，include，lib中的文件分别拷贝到CUDA\v8.0对应目录下

3.将目录下E:\GPU_install\cuda_install\DocumentationDevelopment\extras\CUPTI\libx64

拷贝到E:\GPU_install\cuda_install\DocumentationDevelopment\bin下
这样CuDNN相当于就好了

(3)下载并安装Anaconda

1.进入下载网站(https://www.anaconda.com/distribution/#download-section)，点击Windows图标，这里我们选择版本为3.7的进行下载并安装（一直下一步，在环境那里打钩）

2.检查Anaconda是否成功安装：conda --version

3.检测目前安装了哪些环境：conda info --envs

安装环境只有一个，不用担心。
4.检查目前有哪些版本的python可以安装：conda search --full-name python

（选择python3.7）
5.安装不同版本的python：
对于GPU版本：conda create --name tensorflow-gpu python=3.7

对于CPU版本：conda create --name tensorflow python=3.7


（默认情况下会自动选择最新版本分支）
6.按照提示，激活之：activate tensorflow-gpu

7.确保名叫tensorflow的环境已经被成功添加：conda info --envs

8.检查新环境中的python版本：python --version

(4)安装tenserflow ——————（这里可用国内镜像快速下载）

可以：
卸掉cpu版本tensorflow：pip uninstall tensorflow
安装gpu版本的tensorflow：pip install tensorflow-gpu

1.命令行输入：pip install tensorflow-gpu

注：
默认安装最新的tensorflow 版本，若 import tensorflow as tf 出现错误，

可能tensorflow版本过高，则降低版本，比如：
卸载pip uninstall tensorflow-gpu == 1.13.1

选择安装版本：pip install tensorflow-gpu==1.13.0rc1，更新numpy：pip install numpy --upgrade


测试，成功

2.确认tensorflow安装成功：
错误尝试:直接在cmd里面键入python，然后键入import tensorflow as tf

遇到问题：No module named ‘tensorflow’ 是因为我们环境中包含了2个python环境，一个base，一个tensorflow-gpu，两个环境版本可以是一样的，笔者的均是3.7.3。

正确尝试：进入Anaconda Prompt-python里

输入：activate tensorflow-gpu 的环境，键入python，然后再键入import tensorflow as tf

在这里可以找到Anaconda Prompt-python：


成功，可以用代码测试：
测试代码：

成功！！！

注：直接在anaconda prompt下（不要使用cmd）创建环境更好