从零配置WIN10下CUDA10.0+CuDNN7.4+Tensorflow-gpu1.13.1+测试

配置SfMlearner运行环境

• Tensorflow-gpu CUDA CuDNN 版本对应号

1. 安装CUDA

• 下载地址：https://developer.nvidia.com/cuda-toolkit-archive
• 版本选择：CUDA10.0
• cuda10.0需要对应的vs 这里选择vs2017 在安装选项中勾选“C++桌面开发”即可
• 过程选择：自定义安装——全选——安装完成

     

     

     

     

• 这里亲测不用修改环境变量

2.安装CuDNN

• 下载地址：https://developer.nvidia.com/rdp/cudnn-archive 需要注册，推荐微信
• 版本选择：CuDNN7.4.3

    

• 解压压缩包，将bin，include，lib中的文件分别拷贝到对应的bin，include，lib目录中

    

3.测试

• 打开cmd命令行窗口输入nvcc -V，对CUDA是否完成安装进行检查：

    

• 依次打开下面目录的两个文件，检测到两个 result=pass 即为安装成功

    

    

    

    

    

4.安装tensorflow-gpu==1.13.1

pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

• 如果之前安装了TensorFlow的其他版本先卸载

pip uninstall tensorflow-gpu==1.2.1

5. 测试Tensorflow-gpu

import tensorflow as tf
import os

os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())

输出为：
Tensor("add_1:0", shape=(), dtype=float32)
GPU: True

    SfMlearner运行环境: CUDA10.0+CuDNN7.4+Tensorflow-gpu1.13.1安装成功!