win10 MX150显卡教你尝试安装Tensorflow-gpu

最新推荐文章于 2023-02-01 21:56:16 发布

narutomst

最新推荐文章于 2023-02-01 21:56:16 发布

阅读量2.3k

点赞数 1

分类专栏： Tensorflow 文章标签： Tensorflow-gpu CUDA cuDNN MX150显卡 NVIDIA

本文链接：https://blog.csdn.net/narutomst/article/details/89463985

版权

Tensorflow 专栏收录该内容

1 篇文章

订阅专栏

本文详细介绍了如何在NVIDIA显卡环境下正确安装CUDA和TensorFlow-GPU，包括驱动程序版本确认、CUDA和cuDNN安装、环境变量设置、Python虚拟环境创建及TensorFlow-GPU版本匹配调试，确保GPU加速的深度学习框架正常运行。

摘要由CSDN通过智能技术生成

进入NVIDIA显卡控制面板，查看显卡驱动程序，确定电脑能支持的CUDA的最高版本（记为n）
安装microsoft visual c++ 2012, 2013,2017这些不大，尽量都装上吧
安装版本为n的CUDA及与CUDA匹配的cuDNN（CUDA该打的补丁全都装上，cuDNN文件夹该复制的都复制过去，还有个extra文件夹，把里面的*.dll和*.lib文件也都复制过去。）
环境变量该设置的都设置全了。
安装包管理软件（例如Anaconda）使用python3.6创建至少一个虚拟环境，最好创建两个虚拟环境
在创建的虚拟环境中使用pip安装tensorflow-gpu,版本从高到低试验吧。例如虚拟环境1中安装tensorflow-gpu 2.0.0a0，那么同时在虚拟环境2中安装tensorflow-gpu 1.13.1。安装好之后就试验简单的代码示例 “import tensorflow as tf” "hello = tf.constant('Hello,Tensorflow!')",后面的代码自己搜。只要出现报错 “DLL load failed: 找不到指定的模块“，那就证明该版本tensorflow-gpu与该版本CUDA不匹配。因为我们不知道DLL到底指的是哪个dll，所以环境1试完再试环境2，如果两个都报错，那么就降tensorflow的版本，一直试下去。如果一直降版本不行，那就执行步骤7
降CUDA的版本，例如安装n-1版本，再把步骤3和步骤6试一遍。如果没有报错，就证明tensorflow-gpu初步安装成功了！
说一下我自己的情况：我的显卡控制面板里面，点击左下角”系统信息“，在出现的页面可以看到第一行是”驱动程序版本“，选择‘组件’选项卡，可以找到一个NVCUDA.DLL，可以看到的信息是诸如”NVIDIA CUDA 9.2.153 driver，那么我理解的是支持CUDA的最高版本是9.2.153）。我装了UDA 9.2.148，执行了上面的1~6步，总是报错 “DLL load failed: 找不到指定的模块“。所以，我在没有卸载CUDA 9.2.148的情况下又装了CUDA 9.0. !! 这个时候，在cmd中输入nvcc -V时，显示的是CUDA 9.0
为了交替试验CUDA 9.0 应该匹配tensorflow-gpu的哪个版本，我用conda建立了一个虚拟环境（一个是base(Anaconda自建)，一个是tensorflow(python36)我自己的）在base环境中pip安装了tensorflow-gpu==1.10.0，在自建环境tensorflow(python36)中pip安装了tensorflow-gpu==1.11.0，这些都连接的是阿里云镜像站。
很幸运，环境1中的tensorflow-gpu安装成功！环境2中的tensorflow-gpu也安装成功。所以，我没有再继续升tensorflow的版本。卸载了base环境中的tensorflow-gpu，只保留了自建环境中的tensorflow-gpu。
补充说明：NVIDIA显卡控制面板，点击“系统信息”后，出现的页面有两个选项卡“显示”和“组件”，“显示”下可查“驱动程序版本”，“组件”下可查“NVCUDA.DLL的版本信息”，这两者是相互关联的。当你更新完驱动程序后，这两个版本会同步变动。我安装成功tensorflow-gpu后，在设备管理器中更新了显卡的驱动程序，再去看“NVCUDA.DLL的版本信息时，发现已经变成了“NVIDIA CUDA 10.0.132 driver”
不要追求高版本！陈最良！版本降低一些，成功率更高