搭建gpu加速的tensorflow需要注意 tensorflow 、CUDA 、cuDNN的版本要对应
版本 | Python 版本 | cuDNN | CUDA |
---|---|---|---|
tensorflow_gpu-1.12.0 | 3.6.5(Anaconda3-5.2.0-Windows-x86_64) | 7.3.1 | 9.0 |
pip配置上海交大的镜像源再下载 | https://repo.continuum.io/archive/ | https://developer.nvidia.com/rdp/cudnn-archive | https://developer.nvidia.com/cuda-toolkit-archive |
1.首先安装CUDA(我强迫症,将CUDA装在了D盘)。安装完成后,再下载cuDNN的压缩包,让后将cuDNN压缩包的cuda目录里的文件 复制到 CUDA的安装目录如下
2.下载 Anaconda3-5.2.0 (https://repo.continuum.io/archive/),安装过程中记得勾选设置全局变量
3.打开Anaconda Prompt
添加上海交大的镜像源(清华和华科的镜像源2019年4月16日 相继关闭。。。。)
conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
创建 tensorflow-gpu 运行环境
conda create -n tensorflow-gpu python=3.6
激活运行环境
conda activate tensorflow-gpu
更 新 pip 到 最 新
python -m pip install --upgrade pip
安 装 tensorflow-gpu 1.12.0
pip install --ignore-installed --upgrade tensorflow-gpu==1.12.0
安装完成!
进入python 输入一段简单的代码进行测试:
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
完成!