CUDA:tensorflow的GPU版本安装
需要用到的硬件和软件
-
支持cuda的gpu。
-
anaconda, python, CUDA, cudnn, cudatoolkit。
- CUDA安装
- cudnn和cudatoolkit可以通过conda直接安装,要注意cuda,cudnn,cudatoolkit版本的协调,在这里可以查看协调的组合。
- CUDA, cudnn, cudatoolkit的关系
注意事项
- 注意cuda的版本,如果遇到了
Could not load dynamic library ‘cudart64_100.dll’; dlerror: cudart64_100.dll not found
,说明cuda版本不对。"cudart64_100.dll"中的100说明需要的是10.0版本的cuda(若那里是101说明是cuda10.1)。需要重新安装正确的版本。可以参考这个卸载干净旧版的。 - cudnn,cudatoolkit下载的慢可以用镜像:清华大学的 pypi 镜像,清华大学的 Anaconda 镜像。
- 一个参考的安装教程链接。
验证安装成功
进入安装了上述必需品的anaconda虚拟环境,执行下列代码:
import tensorflow as tf
A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)
print(C)
如果正常输出了结果则正确。注意看是否用到了gpu。
Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1356 MB memory) -> physical GPU (device: 0, name: GeForce MX250, pci bus id: 0000:06:00.0, compute capability: 6.1)