【GPU代码运行】极简安装Tf-Gpu版本流程

整理自https://blog.csdn.net/u011435933/article/details/104434104

最近继续研究tensorflow，本打算后续上gpu版本的，但是运行demo过程中，实在太慢受不了了，就研究装了一下gpu版本，现在把具体方法记录如下：

一、安装条件

可以参考tensorflow官网需求https://tensorflow.google.cn/install/gpu

1、nvidia gpu驱动必须在 418.x或者更高，可以用nvidia-smi命令查看

2、cuda toolkit 10.1版本支持tensorflow 2.1以上版本，我装tensorflow2.1所以要cuda 10.1

3、cuDNN SDK 大于或等于7.6

以上条件需要满足，但是有几个极简的方法可以完成安装我实测也是可以的。

二、安装步骤

1、安装anaconda，不细说了

2、使用conda创建虚拟环境

conda create -n XXX python=xx
 
 

3、安装GPU版本的TF：

conda install tensorflow-gpu==2.1.0
 
 

你会看到会自动下载相关依赖包，包括cuda，cudnn

注意：因为我之前没看到这个方法所以提前手动安装了cuda和cudnn，但我看上面命令也会下载cuda和cudnn，应该可以直接用，我没有亲自实践，应该没问题

3、安装第三方包：

如

conda install numpy ==xx
 
 

4、cd到代码路径下+指定GPU运行：

CUDA_VISIBLE_DEVICES=0 python run.py
 
 

5、查看GPU使用情况：

nvidia-smi
 
 

其他、其中2.3验证是否安装成功

用如下命令验证是否gpu版本启用

 
 

   
   

    
    

   
   
   
   

    
    

     
     import tensorflow 
     
     as tf
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     tf.test.is_gpu_available()
    
    
   
   
 
 

这里也要注意一点：第一次运行这个命令是要等很久，看我下面图上我这边等了5分12秒才行，但是第二次运行就是秒出，我估计是第一次会初始化很多东西导致的。所以耐心一点就行

注意：因为我之前没看到这个方法所以提前手动安装了cuda和cudnn，但我看上面命令也会下载cuda和cudnn，应该可以直接用，我没有亲自实践，应该没问题