1.编译环境使用anaconda
2.下载cuda
cuda是NVIDIA的GPU计算数学库和编译器,此时需要打开控制面板—NVIDIA—帮助—系统信息—组件 查看自己的电脑支持什么版本的cuda。
cuda下载链接:
cuda8.0 但是cuda8.0只支持vs2013
cuda9.0 cuda10.1 (注意,cuda和tensorflow有版本匹配问题,建议先阅读后面的tensorflow安装了解版本匹配问题再回到这里阅读)
设置环境变量:(我安装的是cuda9.0,10.1的对应更改)
安装结束后,我们在计算机上点右键,打开属性->高级系统设置->环境变量,可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量(10.1的对应10_0或者10_1)。
我们还需要在环境变量中添加如下几个变量:
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0 |
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 |
CUDA_BIN_PATH = %CUDA_PATH%\bin |
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64 |
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64 |
查看是否安装成功:
在cuda安装文件夹中有deviceQuery.exe 和 bandwidthTest.exe两个程序。首先启动cmd DOS命令窗口,默认进来的是c:\users\Admistrator>路径,输入 cd .. 两次,来到c:目录下输入
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite
找到安装的cuda文件夹。
分别输入deviceQuery.exe 和 bandwidthTest.exe,运行结果如图所示。Rsult=PASS则说明通过,反之,Rsult=Fail 则需要重新安装。
网上有很多配置vs2013、vs2017的,我认为那个只是一个编译环境,配置了直接使用vs里面的Python,这里使用anaconda,就不需要配置vs了。
3.配置cudnn
参考tensorflow官网给出的版本对应表
CUDA10.1对应cudnn7.4,cudnn下载链接
cudnn下载链接:
https://developer.nvidia.com/rdp/cudnn-archive
这是在一个外网上,速度较慢,是一个库,下载好之后的配置很简单,就不说了。
4.anaconda安装基本库和tensorflow1.14-gpu
(1)更新pip到pip3
python -m pip install --upgrade pip
pip3 install scipy h5py jupyter
(2)安装tenforflow1.14
一定要使用conda指令安装,pip3指令会安装失败,另外安装之后tensorboard会默认安装最新的,可能需要降级为1.14
conda install tensorflow-gpu==1.14
如果tensorboard版本不为1.14,则需要升级或者降级
conda install tensorboard==1.14
(3)安装numpy降级为1.16.4和tenforflow1.14版本对应,至于为什么是1.16.4,上一个问这个问题的人已经不学python了
pip uninstall numpy
pip install numpy==1.16.4
完毕!输入python开始使用吧