安装此环境前提:Python版本大于等于3.8、电脑中有英伟达(NVIDIA)独立显卡
安装Tensorflow2-GPU
注意:Python版本最好是3.8及以上
打开cmd输入下列代码,下载Tensorflow 2.9.1 GPU版本
pip install tensorflow-gpu==2.9.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
下载完成后打开Python尝试导入Tensorflow
import tensorflow as tf
导入成功说明安装成功,否则重新安装。【注:GPU环境没有安装成功时,会自动调用CPU运行代码】
查看电脑是否有NVIDIA独立显卡
右键此电脑点击属性
点击设备管理器
找到显示适配器
观察显示适配器中是否有NVIDIA
显卡,如果有则说明有独立显卡,否则说明无独立显卡。
检查电脑中是否安装显卡驱动
打开控制台输入nvidia-smi
,并查看可用的CUDA
最高版本。
检查自己适合安装的版本
查看可用的cudatoolkit
打开cmd
输入以下代码
conda search cudatoolkit
选择一个合适版本,例如11.3.1
查看可用的cudnn
在cmd
中输入以下代码
conda search cudnn
选择cuda
对应的版本,例如刚选择的cuda
是11.3.1
这里应该选择的cudnn
应该为8.2.1
版本。
现在我们已经知道要下载的cuda版本为11.3.1,cudnn版本为8.2.1,接下来加载对应版本的依赖软件即可。
下载cuda和cudnn
在线安装
在cmd中分别输入以下代码下载cuda和cudnn
conda install cudatoolkit=11.3.1
conda install cudnn=8.2.1
注:此过程可能耗费的时间较多,原因是下载的软件需要访问国外网址,速度比较慢。
离线安装
由于在线安装需要访问国外网站速度比较慢,因此可以选择先离线下载对应的软件包,再进行安装。
找到离线包的下载地址并下载
输入以下代码
conda search cudatoolkit=11.3.1 --info
conda search cudatoolkit=8.2.1 --info
从返回的结果可以看出下载地址在URL对应的内容。
打开浏览器进行访问下载即可【推荐使用IDM下载器进行下载,速度快很多】
下载完毕后得到两个conda文件。
离线安装
接下来使用离线包进行安装即可。
conda install --use-local "D:\泰迪智能科技有限公司\00 安装包\cudatoolkit-11.3.1-h59b6b97_2.conda"
conda install --use-local "D:\泰迪智能科技有限公司\00 安装包\cudnn-8.2.1-cuda11.3_0.conda"
安装完成检查环境是否可用
打开Python编辑器输入以下代码
import tensorflow as tf
tf.test.is_gpu_available()
查看返回结果,返回True说明环境安装成功,否则环境安装失败。
)]
安装完成检查环境是否可用
打开Python编辑器输入以下代码
import tensorflow as tf
tf.test.is_gpu_available()
查看返回结果,返回True说明环境安装成功,否则环境安装失败。