事先选择好要安装的版本,可参考小编的另一篇博文深度学习环境搭建,你的GPU够用了吗?_探索者_SHU的博客-CSDN博客深度学习环境搭建,你的GPU够用了吗?https://blog.csdn.net/fl18715150789/article/details/126733155小编的选择为:
版本 | Python 版本 | cuDNN | CUDA |
---|---|---|---|
tensorflow_gpu-2.6.0 | 3.6-3.9 | 8.1 | 11.2 |
第一步:卸载已安装的CUDA版本
1.打开控制面板-程序与功能,找到需要卸载的软件进行卸载。
2.利用腾讯电脑管家清理无效注册表
第二步:安装新版本的CUDA
1.在任意位置创建一个空文件夹,用于临时解压文件用:
等待解压,大概需要3分钟。在系统检查的时候,遇到一个报错:
网络上查找了原因,还要卸载NVIDIA FrameView SDK。卸载之后,重新来过,一切顺利。
2.选择安装模块
在安装选项的时候,选择自定义安装,进行以下选择:
然后一路向下,等待安装结束,大概需要10分钟左右。
3.验证是否安装成功
安装结束后,打开cmd输入命令,nvcc -V ,出现以下信息,说明安装成功。
第三步:安装新版本的cuDNN
1.下载对应版本
2.然后将压缩包里面bin、include、lib三个文件夹里面的文件都复制到..CUDA/v11.2下面对应的文件夹中。
3.验证是否安装成功
在cmd运行【C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite】路径下的bandwidthTest.exe和deviceQuery.exe,如果都能运行成功,则证明cudnn安装成功,如下图。
第四步:安装新版本的tensorflow_gpu
直接pip install tensorflow_gpu==2.6.0,旧的版本会自动卸载掉。
第五步:安装对应版本的keras
根据网络上找到的对照表,pip install keras==2.6.0。
到这里安装基本结束。但在后续测试的时候,又出现了许多问题。请详见小编的另一篇博文。