Tensorflow-gpu 2.1、CUDA、cnDNN 详细安装教程

最新推荐文章于 2024-03-30 00:13:45 发布
最新推荐文章于 2024-03-30 00:13:45 发布
阅读量2.1k 收藏 4
点赞数 2
分类专栏： 深度学习 文章标签： tensorflow cuda cudnn 机器学习 android
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/eieihihi/article/details/106523030
版权

.

 

 

其实安装 tensorflow-gpu, CUDA, cnDNN 这些东西没有什么难度的，但是就是会遇到版本匹配问题，很浪费时间。

所以把安装方法详细介绍一遍，希望能帮到大家。

 

各个软件版本如下：

  • windows 10
  • python 3.7
  • pip 19
  • tensorflow-gpu 2.1
  • CUDA 10.2
  • cuDNN 7.6.4

 

一、显卡检测与驱动升级

1.1 显卡检测

    首先，检测一下显卡是否支持CUDA。

    CUDA 是 Nvidia 显卡特有的，AMD 显卡的类似功能叫做VEGA。

    下载 GPU-Z 软件，就可以看到显卡是否支持CUDA。

  

    看到 CUDA 选择前面打了勾就表示是支持 CUDA 的。

 

1.2 驱动升级

1.2.1 下载驱动

    由于后续我们要安装 CUDA，为了支持最新版本的 CUDA，需要把显卡驱动升级到最新。

    前面用 GPU-Z 看到了显卡的型号，我们就根据这个型号去 Nvidia 官网下载对应的驱动即可。

    Nvidia 驱动官网：https://www.nvidia.com/Download/index.aspx

    在上面的页面中，根据提示选择自己的显卡型号，我的是 750 Ti。然后点击“Search”。

    接着出现显示驱动的详细信息，点击“DOWNLOAD"即可。

1.2.2 安装驱动

    驱动文件下载后如下：

    右键“以管理员身份运行”，解压后，进入安装程序，如下：

    点击“同意并继续”，

    点击“下一步”，开始安装，期间会黑屏一下。

    安装完显卡驱动之后，建议重新计算机。

 

二、CUDA Toolkit 安装

    该工具包让你可以创建高性能的GPU加速应用程序。

2.1 下载文件

    有两种安装方式：在线安装和离线安装，建议选择离线安装，因为安装文件有 2G+，使用P2P软件下载比较快。

    CUDA 下载地址：https://developer.nvidia.com/cuda-downloads （可能需要VPN，下面给出P2P链接）

    如上图，根据自己的配置进行下载即可，

    Windows - 64位 - CUDA 10 的地址是（直接拷贝链接然后打开P2P软件下载）：

    http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_441.22_win10.exe  

    离线安装文件如下：

2.2 安装

    右击安装文件，选择“以管理员身份运行”，

    指定解压路径，然后点击“OK"，

    解压完成后，自动打开安装界面，如下：

点击“下一步”，开始安装

安装完成~

 

2.3 环境变量

    右击桌面“此电脑” - “属性” - “高级系统设置” - “环境变量”，

    可以看到，在安装完 CUDA 之后，自动添加了几个变量，不需要我们动手：

  • CUDA_PATH
  • CUDA_PATH_V10_2
  • NVCUDASAMPLES_ROOT
  • NVCUDASAMPLES10_2_ROOT
  • NVTOOLSEXT_PATH

 查看 Path 变量：

    可以看到 CUDA 的路径也添加到系统环境变量当中了：

 

2.4 验证安装

    打开命令行，输入以下命令：

C:\WINDOWS\system32> nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_19:32:27_Pacific_Daylight_Time_2019
Cuda compilation tools, release 10.2, V10.2.89

    看到上面输出内容即表示 CUDA 安装成功。

 

三、cuDNN 安装

    Nvidia cuDNN是用于深度神经网络的GPU加速库。

    cvDNN 与 CUDA 的版本是有关联的，具体见下文。

3.1 下载文件

    cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-archive 

    根据自己安装的 CUDA 的版本，下载对应的 cuDNN的版本即可。

    例如：Windows 10 - 64位 - cuDNN v7.6.4 下载地址（直接拷贝链接然后打开P2P软件下载）：

    https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.4.38/Production/10.1_20190923/cudnn-10.1-windows10-x64-v7.6.4.38.zip 

    安装文件如下：

 

3.2 cuDNN安装

    无须安装，解压文件即可：

  • bin/cudnn64_7.dll 是动态库
  • include/cudnn.h 是头文件
  • lib/x64/cudnn.lib 是静态库

    解压完成之后，把cuDNN 的内容复制到 CUDA 目录下：

3.3 添加环境变量

    把 CUDA\lib\x64 添加到环境变量中，如下图所示：

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64     

 

四、tensorflow-gpu 安装

    TensorFlow 是一个开源软件库，用于使用数据流图进行数值计算，它让 机器学习变得更快更简单。tensorflow-gpu 是 GPU 版本的 TensorFlow。

4.1 下载和安装

    安装好 Python 3.7 + pip 之后，直接使用 pip 命令安装即可：

 pip install tensorflow-gpu == 2.1

    看到以下输出则表示安装成功：

Successfully installed astor-0.8.1 gast-0.2.2 keras-applications-1.0.8 tensorboard-2.0.2 tensorflow-estimator-2.1.1 tensorflow-gpu-2.1.0

4.2 测试安装结果

    进入 python 交互命令窗口：

>>> import tensorflow as tf
2020-06-03 00:24:17.960848: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll

>>> print(tf.config.list_physical_devices('GPU'))
2020-06-03 00:24:33.659128: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library nvcuda.dll
2020-06-03 00:24:33.687434: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1555] Found device 0 with properties:
pciBusID: 0000:05:00.0 name: GeForce GTX 750 Ti computeCapability: 5.0
coreClock: 1.0845GHz coreCount: 5 deviceMemorySize: 2.00GiB deviceMemoryBandwidth: 80.47GiB/s
2020-06-03 00:24:33.693089: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll
2020-06-03 00:24:33.702776: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cublas64_10.dll
2020-06-03 00:24:33.711254: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cufft64_10.dll
2020-06-03 00:24:33.716824: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library curand64_10.dll
2020-06-03 00:24:33.727397: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusolver64_10.dll
2020-06-03 00:24:33.735731: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusparse64_10.dll
2020-06-03 00:24:33.751438: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudnn64_7.dll
2020-06-03 00:24:33.756007: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1697] Adding visible gpu devices: 0
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

 

五、错误及解决方法

5.1 动态库

    安装了 tensorflow 2.0 + CUDA 10.2， 在 " import tensorflow as tf " 的时候出现错误：

Could not load dynamic library 'cudart64_100.dll'

    错误原因，tensorflow 2.0 依赖的是 CUDA 10.0，所以它会去尝试加载 " cudart64_100.dll "，这个动态库的命名形式为：

cudart64_vesion.dll

* cudart64_100.dll
* cudart64_101.dll
* cudart64_102.dll

    对应关系：

  • tensorflow 2.0 ---- cudart64_100.dll
  • tensorflow 2.1 ---- cudart64_101.dll
  • tensorflow 2.2 ---- cudart64_102.dll

    所以，我们只需要下载  " cudart64_100.dll " 文件，然后把它放到 CUDA 安装目录的 " bin " 目录下即可。这样 tensorflow 就可以找到这个动态库来加载了。

    文件下载地址：https://download.zip.dll-files.com/f0ab3cac7e90959a38e97b262ebdf3f2/cudart64_100.zip?token=5i1TJlOi2yZ1FtWLhoghkw&expires=1591158929 

    下载后放到以下目录下：

5.2 ImportError DLL load failed

    安装 tensorflow==2.1 或 2.2 ，CUDA = 10.2 ，此时可能会报以下错误：

>>> import tensorflow as tf
Traceback (most recent call last):
  File "D:\Program Files\Python37\lib\site-packages\tensorflow_core\python\pywrap_tensorflow.py", line 58, in <module>
    from tensorflow.python.pywrap_tensorflow_internal import *
  File "D:\Program Files\Python37\lib\site-packages\tensorflow_core\python\pywrap_tensorflow_internal.py", line 28, in <module>
    _pywrap_tensorflow_internal = swig_import_helper()
  File "D:\Program Files\Python37\lib\site-packages\tensorflow_core\python\pywrap_tensorflow_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
  File "D:\Program Files\Python37\lib\imp.py", line 242, in load_module
    return load_dynamic(name, filename, file)
  File "D:\Program Files\Python37\lib\imp.py", line 342, in load_dynamic
    return _load(spec)
ImportError: DLL load failed: 找不到指定的模块。

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "D:\Program Files\Python37\lib\site-packages\tensorflow\__init__.py", line 101, in <module>
    from tensorflow_core import *
  File "D:\Program Files\Python37\lib\site-packages\tensorflow_core\__init__.py", line 40, in <module>
    from tensorflow.python.tools import module_util as _module_util
  File "D:\Program Files\Python37\lib\site-packages\tensorflow\__init__.py", line 50, in __getattr__
    module = self._load()
  File "D:\Program Files\Python37\lib\site-packages\tensorflow\__init__.py", line 44, in _load
    module = _importlib.import_module(self.__name__)
  File "D:\Program Files\Python37\lib\importlib\__init__.py", line 127, in import_module
    return _bootstrap._gcd_import(name[level:], package, level)
  File "D:\Program Files\Python37\lib\site-packages\tensorflow_core\python\__init__.py", line 49, in <module>
    from tensorflow.python import pywrap_tensorflow
  File "D:\Program Files\Python37\lib\site-packages\tensorflow_core\python\pywrap_tensorflow.py", line 74, in <module>
    raise ImportError(msg)
ImportError: Traceback (most recent call last):
  File "D:\Program Files\Python37\lib\site-packages\tensorflow_core\python\pywrap_tensorflow.py", line 58, in <module>
    from tensorflow.python.pywrap_tensorflow_internal import *
  File "D:\Program Files\Python37\lib\site-packages\tensorflow_core\python\pywrap_tensorflow_internal.py", line 28, in <module>
    _pywrap_tensorflow_internal = swig_import_helper()
  File "D:\Program Files\Python37\lib\site-packages\tensorflow_core\python\pywrap_tensorflow_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
  File "D:\Program Files\Python37\lib\imp.py", line 242, in load_module
    return load_dynamic(name, filename, file)
  File "D:\Program Files\Python37\lib\imp.py", line 342, in load_dynamic
    return _load(spec)
ImportError: DLL load failed: 找不到指定的模块。

    解决方法是：

  • 方法一：降低版本为 tensorflow=2.0，然后用以上的方法解决。
  • 方法二：下载 Visual Studio 最新的 Redistributable。

 

    方法二详解：

    下载 Visual Studio 最新的 Redistributable。

    下载地址 ：https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads

    下载 x64，下载完成后进行安装。

    安装完后需要重启：

 

 

 

.

又吹风_Bassy
关注
专栏目录
Win11测试yolov4，“找不到nvcuda.dll”怎么办？
**My Coding Family**
08-02 768
🏆本文收录于《CSDN问答解惑-专业版》专栏，主要记录项目实战过程中的Bug之前因后果及提供真实有效的解决方案，希望能够助你一臂之力，帮你早日登顶实现财富自由🚀；同时，欢迎大家关注&&收藏&&订阅！持续更新中，up！up！up！！
TensorFlow-gpu和opencv安装详细教程
01-19
TensorFlow-gpu ...2.打开Anaconda Prompt 执行 pip install tensorflow-gpu 后等待安装完成 3.执行 pip list 查看tensorflow-gpu 版本 4.根据版本查找需要的cuda和cudnn版本并下载 5.cuda安装一直
tensorflow教程
11-23
github上面超火的tensorflow教程，入门级的教程，内容不多，但是都很有用，容易上手，适合新手入门
Tensorflow教程-综述
qq_31215157的博客
05-16 344
综述 面向机器学习初学者的 MNIST 初级教程 如果你是机器学习领域的新手, 我们推荐你从本文开始阅读. 本文通过讲述一个经典的问题, 手写数字识别 (MNIST), 让你对多类分类 (multiclass classification) 问题有直观的了解. 阅读教程 面向机器学习专家的 MNIST 高级教程 如果你已经对其它深度学习软件比较熟悉, 并且也对 MNI
TensorFlow2.0入门到进阶2.1 —— 一文轻松搞懂Keras神经网络（理论+实战）
caoyuan666的博客
04-08 2644
欢迎进入TensorFlow2.0入门到进阶的第二章内容，这一章将主要讲解利用tf.keras的实战部分。本节主要是对tf.keras的简要介绍。 文章目录1、理论部分1.1 TensorFlow-Keras简介1.1.1 Keras1.1.2 tf-keras和keras相同点1.1.3 tf-keras和keras不同点1.2 分类问题、回归1.2.1 分类1.2.2 回归：1.3 目标函数、...
cuda支持的显卡_Windows 环境搭建 TensorFlow 2.1+ GPU 训练模型加速支持
weixin_39677538的博客
11-23 639
写在前面最近准备尝试跑一跑 TensorFlow GPU 训练模型，平时开发用的 MBP，无赖显卡是 AMD 只支持 CPU 训练，但恰有闲置 Win10 笔记本电脑一台显卡 NVIDIA 支持 CUDA® 。Tensorflow GPU 训练加速需要支持 CUDA® 的 GPU 显卡，这里提到的 CUDA 指的是，是 NVIDIA 研发的一种并行计算平台和编程模型，它可以通过利用 GP...
Tensorflow2.1学习-1-安装
最新发布
zmqisu的博客
03-30 698
安装成功了，但是不能用GPU，在网上搜到tensorflow需要cuda10.1或者11.0的，而我安装的是11.8的，进行卸载安装。1、首先安装实验环境，需要python3.7(默认安装了conda)点击New Project，选择interpreter为TF2.1。可以直接在csdn上搜pycharm安装包，社区版的就行。先建立一个test.py文件，输入如下代码。conda activate TF2.1，进入环境。安装不顺畅可以在网上搜conda换源。成功，换成了cuda11.0.1。
支持CUDA10的tensorflow-gpu轮子
11-29
这个文件是一个tensorflow的GPU版本的轮子，通过这个轮子，你可以在最新的CUDA10和CUDNN10.0上使用GPU训练你的模型
tensorflow-gpu1.12.0离线安装所需库的安装包
02-18
5. **安装TensorFlow**: 将你下载的"tensorflow-gpu-1.12.0"离线安装包用pip在虚拟环境中安装。 6. **验证安装**: 安装完成后，编写一个简单的TensorFlow脚本来测试GPU是否被正确识别和使用。 请注意，安装过程中...
tensorflow2.1安装配置
DevilXiao
03-06 1067
首先pip install tensorflow==2.1.0 若太慢的话可在上条语句之前更换下载源，使用清华镜像（pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple） tensorflow默认使用gpu，其基于cuda10.1开发，下载地址 https://developer.nvidia.com/cu...
机器学习之路-win10下tensorflow-gpu环境的安装与配置
weixin_42646982的博客
05-11 822
机器学习之路-win10下tensorflow-gpu环境的安装与配置Anaconda的安装安装Python3.6GPU版本所需的额外软件-CUDA配置环境变量-CUDAGPU版本所需的额外软件-cuDNNTensorflow安装 参考： https://www.cnblogs.com/tan-wm/p/9566564.html https://blog.csdn.net/weixin_41655940/article/details/103570512 从环境配置开始记录一下机器学习的过程，也是第一篇博客
如何恢复tensorflow_gpu的环境变量
Carrie Zuo的专栏
10-12 556
为了记住自己安装tensorflow_gpu当时的环境，现在楼主准备找回自己的环境变量，或者狠狠心重装一遍，为了防止自己忘记整个过程，遂记录下来。 1.尝试的恢复路径 将anaconda的路径加入path中 ...
TensorFlow2.1 Ubuntu 19.10遇坑记录
彼时思默的博客
01-20 484
前言 之前用Windows版的跑过一边，一路畅通毫无阻拦。然后换到ubutnu上，一直报cudnn初始化失败，这里记录我遇到或者网上存在我没用过的解决办法。版本古老的我就不记录了！ 显卡被占用 当在另一个pycharm或者jupyter lab启动内核在跑时，cudnn应该是被占用了，这属于疏忽大意级别，一般不是小白很快能自己解决，80%遇到这个问题都是这个原因。 nv缓存问题 这个没遇到过，网上...
【技巧】linux windows mac 下TensorFlow不同版本与cuda版本之间的对应关系
鱼大
07-01 604
https://www.tensorflow.org/install/source#common_installation_problems 经过测试的构建配置 Linux CPU 版本 Python 版本 编译器 构建工具 tensorflow-2.1.0 2.7、3.5-3.7 GCC 7.3.1 Bazel 0.27.1 tensorflow-2.0.0 2.7、3.3-3.7 GCC 7.3.1 Bazel 0.26.1 te
TensorFlow2教程-自编码器
知行_那片天
04-01 2586
Tensorflow 2.0 教程持续更新 ：https://blog.csdn.net/qq_31456593/article/details/88606284 完整tensorflow2.0教程代码请看tensorflow2.0：中文教程tensorflow2_tutorials_chinese(欢迎star) 入门教程： TensorFlow 2.0 教程- Keras 快速入门 Tenso...
Tensorflow2.0 安装cuda和cudnn进行深度学习训练（详细易懂）
码王吴彦祖的博客
03-10 3836
Tensorflow2.0 安装cuda和cudnn进行深度学习训练 本文将讲述安装tensorflow2.0 和与其相匹配的cuda和cudnn的环境配置，来进行深度学习训练，本主主要讲解环境的配置 我的显卡是nvidia 1650，我摸索了挺久才发现的安装方法，可能不是完全准确，不一定按照我的来，写这篇文章主要为了我以后安装方便，记一个笔记，作为参考就行，本文是从0开始 了解显卡型号所对应的cuda版本 首先需要了解自己是什么显卡，这里有些人可能忘记了自己大概是什么显卡，这里需要打开自己的设
cuda安装教程+cudnn安装教程
热门推荐
sinat_23619409的博客
11-19 36万+
cuda9.0+cudnn7.0安装教程   1、下载cuda9.0 下载链接：https://developer.nvidia.com/cuda-toolkit-archive   2、安装cuda 安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录； 临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除； 安装目录，建议默认...
GPU, CUDA,cuDNN三者的关系总结
qq_36697196的博客
04-21 2万+
GPU, CUDA,cuDNN三者的关系总结 CPU 和 GPU cpu和gpu结构展示 GPU（图像处理器，Graphics Processing Unit）和CPU（中央处理器，Central Processing Unit）在设计上的主要差异在于GPU有更多的运算单元（如图中绿色的ALU），而Control和Cache单元不如CPU多，这是因为GPU在进行并行计算的时候每个运算单元都是执行相同的程序，而不需要太多的控制。Cache单元是用来做数据缓存的，CPU可以通过Cache来减少存取主内存的次数
CUDA 10.1 & cuDNN 安装教程与TensorFlow-GPU 2.1配置
本文主要介绍了如何在Windows 10系统上安装CUDA，cuDNN以及下载tensorflow-gpu2.1的详细步骤。首先，需要查看电脑的显卡及驱动版本，然后根据驱动版本选择合适的CUDA版本进行下载。CUDA的安装过程中，推荐选择自定义...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值