win10下tensorflow-gpu完整安装过程

最新推荐文章于 2024-09-11 20:58:49 发布

ljflm

最新推荐文章于 2024-09-11 20:58:49 发布

阅读量568

点赞数

文章标签： tensorflow-gpu tensorflow

本文链接：https://blog.csdn.net/ljflm/article/details/80186315

版权

前言

折腾了两个星期，终于弄好了。起初在虚拟机里的ubantu16系统里弄了一个TensorFlow的CPU版本，但是觉得速度太慢，于是决定升级为GPU版，正好我的显卡也支持，但我发现虚拟机里的显卡也是虚拟的，并不能直接调用物理机显卡，我也不会弄显卡直通，估计多少也会有一些损耗吧。改为弄双系统，尝试了十几次后放弃了，都没弄好。最终决定在win10环境下安装TensorFlow-gpu，起初并没有成功，知道重装了win10之后就好了。（估计是之前我装个VS2017卸载有残留导致VS2015安装不能正常完成）

系统环境

win10企业版2016长期服务版 64位
主显卡 Nvidia GeForce GTX 1050
python版本 3.5
CUDA 9.0

安装步骤

1、安装 Visual Studio 2015 community

点击这里下载
安装时选择自定义，如无其他需求则只需要勾选编程语言的C++部分即可

2、安装 CUDA

深度学习库如果使用CUDA进行GPU加速，可以大大缩短计算时间。（CUDA 目前只有NVIDIA 的显卡才支持）

检查自己设备的 GPU 是否支持 CUDA
如果你的显卡比较新，到这里检查是否支持 CUDA 进入网页，点开自己的显卡所属的系列，以及型号等等
如果你的显卡很老，请到这里检查是否支持CUDA
将自己的显卡驱动更新到最新版本
用鲁大师即可
CUDA 下载安装
CUDA 的下载地址：https://developer.nvidia.com/cuda-downloads 如果需要下载 CUDA 的历史版本，请移步：https://developer.nvidia.com/cuda-toolkit-archive （起初我下的是8.0发现不行又下了9.0,下载是两个版本同时存在）
测试 CUDA 的安装结果，打开windows cmd，输入 nvcc -V，查看是否识别 nvcc 命令效果如下
编译 CUDA 的示例程序
在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0 目录下有一个示例程序。由于我安装的是VS2015，所以打开 Samples_vs2015.sln 那个解决方案文件，将解决方案配置更改为Release和x64.
右键解决方案名称，编译整个解决方案，我不知道怎么编译就点了运行代码分析，他一样会在遇到错误的时候给出提示信息，我就遇到了下面这种，去安装这个软件后就好了

如果提示是缺少：”d3dx9.h”、”d3dx10.h”、”d3dx11.h”头文件，则需要安装 DXSDK_Jun10.exe

3、安装 Anaconda

Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项，也就是省时省心。

点击这里下载然后安装即可

4、安装 TensorFlow-gpu

更换pip源好处是可以加快 pip安装第三方库的速度
在C:\Users\当前用户名）下新建一个pip文件夹，在里面新建一个pip.ini 文本文件，写入以下内容

[global]  
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]  
trusted-host=mirrors.aliyun.com

从开始菜单中打开Anaconda Prompt 执行pip install tensorflow-gpu

5、安装 cuDNN 加速

cuDNN可以在前面 GPU 加速基础上大概再提升1.5倍的速度

可以到nVIDIA官网上下载。下载之前需要注册，然后问一系列问题，请耐心弄完。然后就可以下载了。下载 windows 10系统下64位的，下载地址：https://developer.nvidia.com/cudnn
下载完成后解压缩。里面有bin、include、lib三个目录，将三个文件夹复制到安装CUDA的地方覆盖对应文件夹，默认文件夹在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

6、测试

import tensorflow as tf
sess = tf.Session()
a = tf.constant(10)
b = tf.constant(22)
print(sess.run(a + b))

如果出现下图这种情况，则说明你电脑cpu还行，支持AVX（Advanced Vector Extensions），运算速度还可以提升，所以可以开启更好更快的模式。
这里写图片描述
则把示例代码改为下面这样即可，效果如下图

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
sess = tf.Session()
a = tf.constant(10)
b = tf.constant(22)
print(sess.run(a + b))

这里写图片描述
到这一步你就大功告成啦