win10环境安装tensorflow-gpu，软件版本、硬件支持、安装过程

最新推荐文章于 2024-07-25 01:20:01 发布

条件漫步

最新推荐文章于 2024-07-25 01:20:01 发布

阅读量697

点赞数 1

分类专栏：环境安装与设置文章标签： tensorflow 深度学习 pytorch

本文链接：https://blog.csdn.net/chenhepg/article/details/104921821

版权

环境安装与设置专栏收录该内容

32 篇文章 3 订阅

订阅专栏

创建于：2020.03.17
修改于：2020.03.28，2020.04.19

文章目录

1. 背景介绍

（1）TensorFlow 有两个版本：CPU 版本和 GPU 版本。此前安装过CPU版本，计算能力有些差，决定改成GPU版本。

（2）GPU 版本需要 CUDA 和 cuDNN 的支持，因此请确认计算机显卡是否支持 CUDA。详见：查看电脑显卡（GPU）是否支持CUDA。

（3）CUDA的安装依赖VS环境，所以在安装CUDA之前，安装VS环境。

所以安装前明确下面是三个问题：硬件支持、软件支持、环境支持。

确定计算机硬件环境（显卡）是否支持GPU运算；
确定计算机软件环境（Anaconda），支持TensorFlow-GPU的版本号；
TensorFlow-GPU依赖的CUDA，cuDNN版本号；
CUDA，cuDNN版本号依据操作系统（含位数）来确定；
CUDA还依赖显卡驱动，显卡驱动与CUDA有对应关系；
CUDA依赖VS环境，需要有。

2. 环境选择

在安装TensorFlow-gpu之前，请详细论证好硬件、软件版本号。本次安装 环境如下（这也是安装顺序）：

Windows10 64bit 企业版
Anaconda 4.8.2（python3.6.5）
Visual Studio 2013
查看cuda驱动版本号，有必要请安装cuda版本所依赖的显卡驱动
cudnn-10.0-windows10-x64-v7.4.2.24.zip
cuda_10.0.130_411.31_win10.exe
tensorflow-gpu=2.0.0
下面是错的！
cuda_10.1.105_418.96_win10.exe
cudnn-10.1-windows10-x64-v7.6.5.32.zip

2.1 硬件环境

（1）计算机显卡查看

详见：查看电脑显卡（GPU）是否支持CUDA，这里不再赘述。
我的计算机显卡为NVIDIA GeForce 940MX，如下图。

（2）计算能力查看
CUDA-Enabled GeForce and TITAN Products

2.2 软件环境

（1） tensorflow_gpu版本号与 CUDA和cuDNN对应起来

详细参考：经过测试的构建配置
本次安装 tensorflow_gpu-2.0.0，具体依赖版本为cuDNN7.4，CUDA10，如下图。

（2）下载cuDNN驱动

在cuDNN Download 下载cuDNN （需要注册登录后才能下载，下载免费）。
注意页面显示如下信息，Download cuDNN v7.4.2 (Dec 14, 2018), for CUDA 10.0。
注意 cuDNN7.4.X系列，最高支持CUDA 10.0.X。所以我下载了：cudnn-10.0-windows10-x64-v7.4.2.24.zip

（3）下载CUDA驱动

在 CUDA Toolkit Archive 下载CUDA。
依据计算机实际情况：操作系统，位数，操作系统版本号，本地安装还是网络安装进行选择。
我下载的是cuda_10.0.130_411.31_win10.exe，本地安装。网络安装担心网络不稳定。

（4）下载VS2013
我选择了：VS2013(Visual Studio 2013)官方中文破解旗舰版下载（含激活密钥）。具体安装下载、安装、破解码请参见 Visual Studio 2013官方简体中文专业版/旗舰版/高级版下载（含激活序列号）

VS2013（Visual Studio 2013）官方简体中文旗舰版下载地址一【官方地址】：http://download.microsoft.com/download/B/1/9/B1932B8C-1046-4773-A1DD-4AB5C0978637/vs2013.2_ult_chs.iso

3. 安装过程

3.1 安装VS2013

（1）ISO文件直接解压，然后双击“vs_ultimate.exe”开始安装；
（2）点击“我同意许可条款和条件”点击“下一步”继续；
（3）选择您要安装的Visual Studio 2013选项，根据自身需要勾选安装；

这个里面指出Anaconda3下成功安装Tensorflow-gpu（精华方法汇总）：安装CUDA之前，先安装VS（仅仅需要VC++的编译环境，所以只装vc++模块），如下图的选项。
在这里插入图片描述
（4）接下来就是有点漫长的安装过程，这时候就是拼电脑配置的时候了；
（5）成功安装后打开软件，设置好熟悉的环境启动（包括vb、vc、vf等多个开发环境）
（6）第一次运行软件会有点慢，启动完毕后：点击“帮助”–>“注册产品”，可以看到软件有30天试用期，点击“使用产品密钥获得许可”；
（7）输入visual studio 2013旗舰版mi yue：
在这里插入图片描述

（8）到这步就已成功激活visual studio 2013旗舰版了，现在您可以使用VS2013。

特别说明

详细安装方法参考 Visual Studio 2013安装步骤和使用方法
有网站特别说明：彻底删除之前安装的VS版本，再安装VS Community 2015
Visual Studio 2013官方简体中文专业版/旗舰版/高级版下载（含激活序列号）

3.2 安装CUDA

3.2.1 安装显卡驱动

（1）请检查自己的硬件驱动支持哪个版本的CUDA（参考：如何检查显卡支持哪个版本的CUDA ？）

具体步骤： 控制面板–>在右上方的搜索框里输入NVIDIA–>对搜索出来的NVIDIA控制面对双击–>帮助菜单–>下拉菜单–>选择系统信息选项–>组件–>查看结果。

如下图，发现仅仅支持CUDA8.0.0，只能安装tensorflow_gpu-1.4.0，与我的目标不一致。
在这里插入图片描述
（2）事实上，显卡的驱动版本决定了CUDA的版本，对应关系在NVIDIA有。详细见：NVIDIA CUDA Toolkit Release Notes。下图显示部分内容，请仔细研读。
（3）看来我这必须更新驱动

方法1：【参考连接：Win10系统怎么装显卡驱动】
右击我的电脑–>管理–>点击显示适配器–>找到显卡右键点击，更新驱动程序软件–>系统会自动搜索最新更新版本。

这样做法无法预先控制显卡驱动版本，也就无法预先知道支持的CUDA版本号。我这查了下，感觉还行，就没用第2种方法。

下面的俩图显示了显卡驱动版本，支持的CUDA版本。
在这里插入图片描述
方法2：【官网更下载显卡驱动】
安装显卡型号选择，搜索，下载，安装。是否需要把之前的驱动先卸载掉，我不清楚。我没采用的原因是，我预先使用了方法1。

3.2.2 安装CUDA

win10下CUDA和CUDNN的安装（超详细）！亲测有效！
Win10中CUDA、cuDNN的安装与卸载
（1）双击cuda_10.1.105_418.96_win10.exe文件，选择解压路径（用默认的吧，安装完后会自动删除的。我没用默认的路径，因为我理解成了安装路径了，理解错误啦）。
在这里插入图片描述
（2）点击OK按钮

（3）系统检查通过后，进入许可协议

（4）选择自定义安装
自定义安装可以可以选择安装的内容，默认全选。（5）选择安装项

我选择CUDA下面的5项（如图）。
visual studio integration这一项没有勾选，我已经预先安装了。
Nsight system在10.0中没有，但是在10.1中有。
Nsight system旨在为高性能计算、视觉效果等所有市场提供更详细的数据收集、探索和收集控制。是一个开发者不可或缺的全系统性能分析工具。【NVIDIA宣布推出Nsight Systems 2019.4】

（6）安装位置
我用了默认的安装。为了写环境变量的时候方便。

（7）安装程序：点击下一步进行安装，直至结束。点击关闭，完成安装。

（8）验证是否安装成功
Win10中CUDA、cuDNN的安装与卸载
在命令行输入： nvcc -V，看到如下信息表明安装成功。

C:\Users\chen>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:04_Central_Daylight_Time_2018
Cuda compilation tools, release 10.0, V10.0.130

C:\Users\chen>

进入到路径下后查看GPU运行时的监测界面，参考：Win10中CUDA、cuDNN的安装与卸载

C:\Users\chen>cd C:\Program Files\NVIDIA Corporation\NVSMI
C:\Program Files\NVIDIA Corporation\NVSMI>nvidia-smi
Sun Apr 19 20:55:55 2020
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 436.50       Driver Version: 436.50       CUDA Version: 10.1     |
|-------------------------------+----------------------+----------------------+
| GPU  Name            TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce 940MX      WDDM  | 00000000:06:00.0 Off |                  N/A |
| N/A   40C    P8    N/A /  N/A |     37MiB /  2048MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite
输入bandwidthTest.exe，显示Result = PASS
输入deviceQuery.exe，显示Result = PASS

3.2.3 设置CUDA环境变量

计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V10_0两个环境变量。
（1）添加CUDA_LIB_PATH、CUDA_BIN_PATH
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64

（2）添加CUDA_SDK_BIN_PATH、CUDA_SDK_LIB_PATH
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

（3）把新建的4个变量，写入PATH
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%

3.3 安装cuDNN

Win10中CUDA、cuDNN的安装与卸载

解压cuDNN，把对应文件（bin、include、lib）下的文件，复制过去即可。
bin/cudnn64_7.dll
include/cudnn.h
ib/x64/cudnn.lib

3.4 安装Tensorflow-gpu2.0.0

使用Anaconda prompt安装Tensorflow-gpu 2.0.0，具体过程如下。网络环境一定要好！
（1）首先打开Anaconda prompt终端（管理员权限）
（2）创建虚拟环境

conda create --name tf2.0_gpu python=3.6

（3）进入该虚拟环境

conda activate tf2.0_gpu

（4）安装tensorflow-gpu==2.0.0

# 建议使用清华镜像
pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
# pip install --upgrade tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 太慢，不建议用
pip install tensorflow-gpu==2.0.0

第4步参考：TensorFlow 安装GPU版本，为什么要有–upgrade ???
在这里插入图片描述
（5）测试

(tf2.0_gpu) C:\Windows\system32>python
Python 3.6.10 |Anaconda, Inc.| (default, Mar 23 2020, 17:58:33) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
(tf2.0_gpu) C:\Windows\system32>python
Python 3.6.10 |Anaconda, Inc.| (default, Mar 23 2020, 17:58:33) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
2020-04-19 21:38:27.717641: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_100.dll
>>>

请最后安装tensorflow-gpu2.0.0==

4. 总结

不要着急安装，首先要选定配套的版本号：安装tensorflow-gpu版本号、要与硬件、依赖的软件版本一致。
安装顺序需要严格遵守。
每一步都要有测试，看看是否正确。

5. 参考连接

条件漫步

关注

1
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
win10环境安装tensorflow-gpu，软件版本、硬件支持、安装过程

创建于：2020.03.17修改于：2020.03.17文章目录1. 背景介绍2. 环境选择2.1 硬件环境2.2 软件环境3. 安装过程4. 参考连接1. 背景介绍（1）TensorFlow 有两个版本：CPU 版本和 GPU 版本。此前安装过CPU版本，计算能力有些差，决定改成GPU版本。（2）GPU 版本需要 CUDA 和 cuDNN 的支持，因此请确认你的计算机显卡支持 CUDA...
复制链接

扫一扫

专栏目录