亲测有效的方案
设备信息(台式机)
显卡:1660ti
内存:32G
CUDA 版本:cuda_9.0.176_win10.exe
cuDNN 版本:cudnn-9.0-windows10-x64-v7.6.0.64.zip
python环境: python 3.6
tensorflow版本:tensorflow-gpu==1.5.0
keras版本:keras-2.1.4
1.查看你的显卡是否支持GPU
2.安装python环境和tensorflow-gpu
2.1安装 anaconda
2.2安装虚拟环境
conda create -n tensorflow pip python=3.6
2.3 启动虚拟环境
activate tensorflow
2.4 安装 tensorflow-gpu
pip install --ignore-installed --upgrade tensorflow-gpu==1.5 -i https://pypi.tuna.tsinghua.edu.cn/simple
3.安装CUDA ToolKit +cuDNN
3.1 第一步要查看要安装的CUDA + cuDNN版本
因为大家要安的tensoflow版本不一样,所以对应的CUDA 和cuDNN版本也就不一样,所以一定要对应上,否则就会报错。可以点击查看你所要安装的tensorflow所对应的版本cuDNN和CUDA版本。
3.2 第二步下载CUDA + cuDNN
在这个网址查找CUDA已发布版本:https://developer.nvidia.com/cuda-toolkit-archive
下载好cuda_9.0.176_win10.exe 后,我们开始下载 cudnn-9.0-windows10-x64-v7.6.0.64.zip,需要注意的是,下载cuDNN需要在nvidia上注册账号,使用邮箱注册,完全免费的。登陆账号之后才可以继续下载。cuDNN历史版本在该网址下载网址:https://developer.nvidia.com/rdp/cudnn-archive
下载之后,下面进行安装。
注意:最重要的一步,先卸载原有的显卡的驱动。
CUDA Toolkit需要在指定版本显卡驱动环境下才能使用,如果已经安装了nvidia显卡驱动,再安装CUDA Toolkit时,会因二者版本不兼容而导致CUDA无法使用。而CUDA Toolkit安装包中自带与之匹配的显卡驱动,所以一定要删除电脑先前的显卡驱动。
大家可以在左下角的 小娜 中搜索,NVIDIA GeFore Experience(我安装的驱动是这个,具体还要看你自己的驱动名称,一定要找好了,别删错了),找到之后,卸载掉就可以安装CUDA Toolkit了。建议先把自己原来的驱动型号先记下来,万一出什么问题,还可以补救。
先安装CUDA Toolkit,安装路径默认就可以了,但是要记住这个路径,一会还有用。接下来就是安装了,在安装选项时,选择自定义,然后在自定义安装选项中,勾选所有的安装项,然后就可以了。
接下来将cudnn的那个压缩包解压,里面有三个文件夹,直接复制到CUDA的根目录下就可以,例如这个路径下:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0,然后进行环境变量配置。记住:要改成你自己的路径,否则系统是找不到。下面是配置的路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
到这里安装步骤已经全部完成,下面就可以开始愉快的测试了。
上面是自己机器还有GPU的信息,出现的最后一句:‘/device:GPU:0’ 则说明安装成功了。
4.安装keras
pip install keras==2.1.4
这就是安装tensorflow-gpu和keras的全部过程,感觉有用点个赞。