CUDA8.0安装
cuda8.0下载地址:https://pan.baidu.com/s/1sxnP_genpt23Lr6uHZ4uhQ 密码:13s8
下载好了后就可以直接安装了,CUDA的默认安装目录为:C:\Program Files\NVIDIA GPU Computing Toolkit\ 这里推荐使用默认的安装路径。如果没有VS环境的建议首先安装好vs环境,只需要选择安装C++环境即可。
安装完之后CUDA_PATH_V5_0和CUDA_PATH这两个系统变量会自动为你添加上。
环境变量配置:
cuda8.0安装完成之后在系统环境变量中自动配置了两个系统变量
CUDA_PATH:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
CUDA_PATH_V8_0:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
但是为了之后的vs2013的配置做准备我们需要在配置五个系统变量
CUDA_BIN_PATH:%CUDA_PATH%\bin
CUDA_LIB_PATH:%CUDA_PATH%\lib\Win32
CUDA_SDK_BIN:%CUDA_SDK_PATH%\bin\Win64
CUDA_SDK_LIB:%CUDA_SDK_PATH%\common\lib\x64
CUDA_SDK_PATH:C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
在系统环境变量path后添加如下内容
;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
测试一下是否安装成功,
打开cmd控制台命令行,命令行输入 nvcc -V (注意是大写V),看到版本信息就表示安装成功了。
2.cudnn V5.1安装
可以选择CSDN下载或者也可以在英伟达官网上下载对应版本。
(1)、解压缩:会生成cuda/include、cuda/lib、cuda/bin三个目录;
(2)、分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0对应的include、lib、bin目录下即可。
cuda8.0和cudnn5.1就可以在机子上正常使用了。
3.Anaconda双版本安装
首先我们先从Anaconda官网(https://www.anaconda.com/download/)上下载对应自己系统版本的Anaconda。因为我的电脑是64位的,所以选择了64-BIT INSTALLER。
这里需要选择python3的环境进行安装。
下载好安装包后,接下来就是软件的安装(ps:与一般的软件安装没什么差别,一路默认即可,需要注意的是需勾选将python3.6添加进 环境变量),如图:
。
上述操作完成后,我们软件就安装好了,接下来让我们检查一下软件是否安装成功了吧。
运行 开始菜单->Anaconda3—>Anaconda Prompt
:(会出现一个黑框框,需要等一会儿)
输入命令: conda list
出现下方的模样,就说明安装成功了。(下方出现的是 Anaconda 里面的包)
创建python2的虚拟环境
由于我安装的是python3.6版本,所以默认有python3.6,但是我需要一个python2版本,有两种方法:
法一:在anaconda prompt里输入:
conda create -n py2 python=2.7 pandas
按照提示输入y.
接下来开始下载python2,下载速度视网速而定。
方法二:在navigator中点击create创建。root是anaconda自带的python版本。
使用activate进行激活
4.numpy和opencv等环境安装
笔者这里推荐两个网址安装https://www.lfd.uci.edu/~gohlke/pythonlibs/和https://www.baidu.com/link?url=ZfQv4ydpm9CiXt3_q1xUyMUFJ1W97JHuiPccqga0YDXgpeRpiJFzrnA-LOxgR3xO&wd=&eqid=d7aba166000008d2000000055b7e1ad9
下面介绍安装方法:
方法一:在https://www.lfd.uci.edu/~gohlke/pythonlibs/ 的python环境下 使用pip install 命令安装 如下图所示:
下载你需要的安装包
用pip进行安装
选择你需要的环境就可以进行安装了
5.安装tensorflow
tensorflow-gpu版本唯一需要注意的就是版本问题。笔者测试1.4以上的版本需要CUDA9.0的环境。所以推荐安装tensorflow-gpu 1.1版本
可以直接在命令行中输入:
pip install tensorflow-gpu==1.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
然后你就可以快乐的用tensorflow 进行深度学习了