由于电脑跑GAN的时候如果用CPU的话太慢了,想换GPU跑跑!然后花了半天时间去把tensorflow的CPU版本换成GPU版本……
前提条件:已经安装好python
首先要准备的工作是:
1. 查看下自己的NVIDIA.DLL的版本!这个一定要和你下载的CUDA TOOLKIT相对应!
打开【控制面板】 → NVIDIA控制面板-(左下角)系统信息 → 组件
你可以看到产品名称里面CUDA的版本是10.0.132,这个时候就要去NVIDIA去找CUDA10.0的toolkit。
(CUDA下载链接:https://developer.nvidia.com/cuda-toolkit-archive)
【坑点】
然后我光顾着对称之前下好了的tensorflow2.1.0对称的CUDA10.1.243,但是当你跑测试的时候就会给你提示:
CUDA driver version is insufficient for CUDA runtime version
意思是:你的CUDA驱动版本跟CUDA的toolkit版本不对应!
所以这个时候,你要么把自己显卡换掉,要么就重新下载你的CUDA+Tensorflow。所以我建议的是不要急着去下载tensorflow,应该是先下载CUDA再根据CUDA版本选择tensorflow-gpu的版本,让tf的版本去适配你的CUDA版本!不然你又要花时间重新去下载tf和CUDA RUNTIME。
这里附上CUDA,CUDNN和tensorflow-gpu的版本对应:
(资料:https://www.tensorflow.org/install/source_windows 图片复制时间:2020-4-13)
【坑点】我一开始装好的tensorflow-gpu2.1对应的是CUDA10.1,实际上我只重装过CUDA10.0,结果发现在run的时候会提示找不到cudart64x_101.dll,我查找了下CUDA的根目录里面只有cudart64x_100.dll。
当你的CUDA已经下载安装好之后(注意有时候CUDA Toolkit安装的时候它会帮你重新安装驱动,要注意下!),然后再去下载CUDNN,这个在CUDNN的下载页面是比较明显告诉你它7.0对应是10.0版本的……你下载完把zip内的内容复制解压到CUDA的安装目录就好了!(记得文件夹目录名字要对应好)
(CUDNN链接:https://developer.nvidia.com/rdp/cudnn-download)
然后再去命令行下载对应的最左边的版本的tensorflow…
pip install tensorflow-gpu==1.xx.xx
下载完之后,随便找一个网上的测试程序,例如这个:
import tensorflow as tf
tf.test.is_gpu_avaliable()
看最下面一行:True如果你的系统任务栏有NVIDIA Container会更直观,也就是这个。当你运行着python的时候,你点开这个图标之后,就可以看到python.exe活跃其中……
那应该就是已经安装成功了。
BTW,我的tensorflow-cpu版本是1.15.0,tensorflow-gpu版本是1.14.0,没有被cpu版本的tf给覆盖掉。
总结链接:
CUDA:https://developer.nvidia.com/cuda-toolkit-archive
Tensorflow-CUDA-CUDNN版本对应查询:https://www.tensorflow.org/install/source_windows
cuDNN:https://developer.nvidia.com/rdp/cudnn-download
Tensorflow安装:pip install tensorflow-gpu==1.xx.xx