前不久需要做一个图像识别比赛,以前使用的TensorFlow-CPU速度太低,就只好选择GPU版的。
系统:win10
显卡:我显卡太菜了,就不写了。不过,使用GPU版之前一定要先看看自己显卡支不支持GPU版!
第一步:
查看显卡是否支持CUDA:https://developer.nvidia.com/cuda-gpus
登录之后是这样的
查看自己的资源管理器,看看显卡的型号,我的显卡是GeForce的,所以,点击上图画线的选线,出现下拉列表。
在这里查找自己的显卡型号就好。只要能查找的到,就表明该显卡支持GPU加速。
第二步:
安装Cuda
https://developer.nvidia.com/cuda-downloads
当前最新版本是10.0
选择操作系统,选择版本号
这里选择的版本号一定要能够被随后下载安装的cuDNN支持。而且TensorFlow的不同版本对CUDA的版本要求不同,所以,这里使用最新版10.0就好。
下载后,点击安装即可。
安装完成后 在shell窗口下,输入命令nvcc -V,
即可查看版本信息
第三步:
安装cuDNN
https://developer.nvidia.com/rdp/cudnn-download
选择与你安装的CUDA相对应的cuDNN
注意:下载Cudnn会需要注册,并且完成问卷调查
步骤:下载完成后为安装包形式,解压后,将文件夹下面的bin目录添加到系统path变量里面
我的cudnn的bin目录:C:\Program Files\cudnn-9.0-windows10-x64-v7.1\cuda\bin
有的直接使用精简安装就能成功。但是我在安装的时候一直报错,显示有个组件(好像是virtual什么来着?)安装失败,导致很多后续组件无法安装,在网上找了很久没有解决,最后我考虑到我只是使用GPU加速,和该组件关系不大,于是使用自定义安装,不选择该组件安装,最终安装成功,并且TensorFlow能够正常运行。
最后一步:
安装TensorFlow-GPU
使用pip就很方便,前提是pip的版本号要满足条件。
命令行输入:pip install tensorflow-gpu,默认安装最新版本。
测试:
进入python的交互式界面
依次输入
import tensorflow as tf
a = tf.random_normal((100, 100))
b = tf.random_normal((100, 500))
c = tf.matmul(a, b)
sess = tf.InteractiveSession()
sess.run©