安装tensorflow(keras)、pytorch的GPU版本路线
写在前面
安装这些包可真费事,花了我很多时间。主要的难点在于版本不兼容,网上资源繁复不细致,解决办法也不说明原因,于是难以知道是否能解决我的问题,直到花时间走了一遍才知道不行。
于是我记录下我成功安装以及走过的坑,以供后来者。
本文尽量简洁,尽量不要改文件配置,写命令行,而是尽可能傻瓜式点击。每一个cmd命令都有讲解截图。用其他方法可能安装不了我也会详细告知。内容多的会告知关键词供读者搜索。
在评论区留下你的问题,报错代码,我有时间会回复,并加入此文章的精选回复栏目。
我的环境
windows 10, python 3.9, Anaconda, Pycharm, GeForce RTX 3090,
tensorflow 2.10.0, torch 2.0.0+cu117
坑1:某些年代久远的显卡,驱动比较低,于是CUDA对应的版本较低,而这些CUDA很有可能不支持win11.
坑2:tensorflow在之前分为tensorflow-cpu与tensorflow-gpu版本,现在已经统一为tensorflow版本。坑3:超过tensorflow 2.10.0在windows平台上不支持GPU加速。它是最后一个支持win10版本的,更新的版本即使安装上也无法读取GPU。
坑4:python版本也别太新了,不然没有对应的轮子下载:在下载whl轮子文件的时候一般有对应的python版本,需要选择。
坑5:torch需要安装torch+cu???版本的才是GPU版本
先看图
这是我们安装pytorch的轮子文件下载链接:torch官方轮子下载
名称的意思:
我的电脑环境配置正确的选择:
接下来我们看看该选哪个CUDA:
安装CUDA
官方教程
CUDA安装官方文档:CUDA安装官方文档
大佬安装笔记(包括CUDA和cudnn,配置环境变量等):大佬笔记
查看支持的CUDA版本方法1
使用命令行,【win】键+【R】键打开命令行,输入【cmd】,按下【enter】。
然后输入【nvidia-smi】,按【enter】。输出为,红圈表示CUDA版本,红圈显示最高支持的CUDA版本,最终选择的要比它晚5-10个版本最好。否则可能因玄学调参出现问题。
nvidia-smi
查看支持的CUDA版本方法2
右键单击右下角的NVIDIA图标,选择【NVIDIA控制面板】
然后点击【帮助】,再点击【系统信息】
这里的关键参数是【驱动程序版本】(红圈所示),是选择CUDA版本的重要参考。
在官网查询CUDA要求的最低驱动中的table2和table3查询,一般按照年份来,新的显卡对应新的驱动,就能装新的CUDA。先不急着选,大概看看最新的哪些不能选,等到选择whl轮子的时候再选。
选择版本
选择跟CUDA版本对应的cudnn
具体安装看大佬安装笔记(包括CUDA和cudnn,配置环境变量等):大佬笔记
安装pytorch
安装pytorch的轮子文件下载链接:
torch
https://download.pytorch.org/whl/torch/
torchaudio
https://download.pytorch.org/whl/torchaudio
torchvision
https://download.pytorch.org/whl/torchvision
按照自己的python版本,和CUDA版本下载轮子文件。
看一下下载到了哪个位置,我这里是:
C:\Users\pku\Downloads
我们使用命令行进行安装,【win】键+【R】键打开命令行,输入【cmd】,按下【enter】。
通过cd命令将工作文件夹改到你下载的位置,然后使用pip安装。
更快的输入方法:输入pip install torch,点击键盘上的【tab】键自动补全,再按一下【tab】会自动补全下一个可能选项,按【shift】+【tab】即可自动补全上一个可能选项。
pip install torch
完整的安装命令如下,文件加不加英文双引号都可以的。
pip install "torch-2.0.0+cu117-cp311-cp311-win_amd64.whl"
在pycharm中检查时,请注意python解释器选择系统的那个,而不是其他项目的新python环境或者anaconda的虚拟环境。
安装完即可,这里是检查的代码,使用python运行。
print('以下是torch的安装')
import torch
print(torch.__version__)
if torch.cuda.is_available():
device = torch.device("cuda")
print("GPU is ready!")
else:
device = torch.device("cpu")
print("CPU!")
print("是否可用:", torch.cuda.is_available()) # 查看GPU是否可用
print("GPU数量:", torch.cuda.device_count()) # 查看GPU数量
print("torch方法查看CUDA版本:", torch.version.cuda) # torch方法查看CUDA版本
print("GPU索引号:", torch.cuda.current_device()) # 查看GPU索引号
print("GPU名称:", torch.cuda.get_device_name(torch.cuda.current_device())) # 根据索引号得到GPU名称
print("cudnn版本号:", torch.backends.cudnn.version())
成功会显示类似的:
安装tensorflow
tensorflow的whl轮子文件下载链接:
tensorflow的whl轮子文件
https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow/
选择对应的版本,windows系统不能超过2.10,2.10以上已不支持windows系统的GPU。
按照自己的python版本,和CUDA版本下载轮子文件。
看一下下载到了哪个位置,我这里是:
C:\Users\pku\Downloads
我们使用命令行进行安装,【win】键+【R】键打开命令行,输入【cmd】,按下【enter】。
通过cd命令将工作文件夹改到你下载的位置,然后使用pip安装。
更快的输入方法:输入pip install tensor,点击键盘上的【tab】键自动补全,再按一下【tab】会自动补全下一个可能选项,按【shift】+【tab】即可自动补全上一个可能选项。
pip install tensor
完整的安装命令如下,文件加不加英文双引号都可以的。
pip install tensorflow-2.10.0-cp39-cp39-win_amd64.whl
在pycharm中检查时,请注意python解释器选择系统的那个,而不是其他项目的新python环境或者anaconda的虚拟环境。
安装完即可,这里是检查的代码,使用python运行。
print('以下是tensorflow的安装')
# 导入TensorFlow
import tensorflow as tf
# 打印TensorFlow版本,确保它已正确安装
print(f"TensorFlow version: {tf.__version__}")
# 列出可用的GPU设备
print("Available GPU devices:")
print(tf.config.list_physical_devices('GPU'))
成功会显示类似的:
Reference:
[1] 【解决】Tensorflow检测不到GPU
[2] CUDA安装官方文档
[3] CUDA与cuDNN安装教程(超详细)
[4] tensorflow的whl轮子文件下载
[5] torch的whl轮子文件下载
[6] torchaudio的whl轮子文件下载
[7] torchvision的whl轮子文件下载