人工智能与深度学习入门实战-01win10 gpu版本 tensorflow的安装

win10 gpu版本 tensorflow的安装

1.Win10 64位

一般都安装了

2.CUDA 10.0

2.1课程需要的所有软件

2.2我的电脑环境

2.3安装cuda

2.3.1选择默认的解压目录

2.3.2需要注意的点

1. 需要nvdia显卡

2. 确认选卡驱动

   

3. 确认是否安装visual studio

2.3.3安装过程

自定义安装：

我的电脑没有安装visual studio，所以不安装这个组件：

只有没安装过显卡驱动这里才需要勾选，所以我不勾选：

后面默认安装就可以了

检查如下文件夹可以确认是否安装成功

通过命令行输入

nvcc -V

可以看到版本号 进而确认是否安装成功

并且可以看到 安装程序自动为我们添加了环境变量：

2.3.4添加cuDNN

我们已经提供了这个文件：

解压完成后 将这个文件夹重命名为cudnn:

然后把它拷贝到这个目录下：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

注意，接下来还需要再添加2条环境变量：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn\bin

添加完成后，环境变量就是这个样子

确保这4个环境变量是在一起的

3.anniconda

选择安装路径：

添加环境变量

查看你下面的路劲是否存在python.exe

C:\conda\python.exe

打开cmd,输入

where python

输入python查看版本 exit()推出

如果提示如下，就说民安装成功

4.安装tensorFolw

cpu八百年本

pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

gpu 版本

pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

我安装的是gpu版本

测试是否安装成功：

5.pycharm

创建一个工程

选择conda环境：

输入如下代码测试：

import tensorflow as tf
import  os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

print("GPU" , tf.test.is_gpu_available())

输入如下成果