window10下安装tensorflow-gpu1.14(RTX2080Ti+cuda10.0+cudnn7.6.5)

本文详细记录了在Windows 10环境下安装CUDA 10.0、cuDNN 7.6.5以及TensorFlow 1.14 GPU版的全过程,包括每个步骤的配置细节、遇到的问题及解决方案。安装过程中强调了CUDA版本与TensorFlow匹配的重要性,并提供了安装验证的方法。此外,还分享了在安装Keras时遇到的版本冲突问题及解决策略。
摘要由CSDN通过智能技术生成


前言

为了忘却的纪念~~~就这么个简单的事情,我整了超过10个小时!!不写点什么对不起这10个小时啊。 先给个最终可行的步骤,再说说我踩了什么坑!

一、准备安装包

因为我是确定要安装tensorflow1.14版本、python用3.6的,所以我提前查了一下这个版本可以匹配的cuda和cudnn版本。怎么查?问度娘。反正我是查到cuda10.0+cudnn7.6.5是绝配!于是下载了cuda_10.0.130_411.31_win10.exe和cudnn-10.0-windows10-x64-v7.6.5.32.zip。
这里用红色字体表示坑,开始我用了cuda10.1,结果各种问题,貌似也没有哪里告诉我10.1和10.0有那么大差别!!后面重装了10.0就好了。

cuda下载地址:https://developer.nvidia.com/zh-cn
cudnn下载地址:https://developer.nvidia.com/

下载cudnn需要注册 Nvidia 账号登录进入才行。

我已经将这2个包上传到csdn,如果你们的环境与我一致,欢迎下载,给我换点币币……(er……包太大传不了,只好放在百度云盘,提供地址和取件码)
传送门:https://download.csdn.net/download/qq_40549606/16634766

二、安装cuda

其实很好装啦,双击下载那个cuda_10.0.130_411.31_win10.exe:

1、选择一个临时解压目录

在这里插入图片描述
在这里插入图片描述
注意:这只是临时用的,不是你最终安装的目录哦。

2、我选了精简,因为我看到(推荐)

在这里插入图片描述

3、这个说没有合适版本的Visual Studio Integration,没有关系,勾一下,Next

在这里插入图片描述

4、设置环境变量

cuda装好以后,自动会增加2个环境变量CUDA_PATH和CUDA_PATH_V10_0:
在这里插入图片描述

我们需要手动在Path里加上这4条:
在这里插入图片描述

5、验证是否装好

管理员身份打开命令行,进入cuda安装目录:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite(如果安装的时候改了安装路径,需要修改该路径)

运行 bandwidthTest.exe 和 deviceQuery.exe ,如果最后都显示 Result = PASS 则说明安装成功。
在这里插入图片描述
在这里插入图片描述

二、安装cudnn

这个更简单,解压,然后把文件放到cuda安装目录下对应的目录即可:

1、cudnn/bin下的dll,放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin

在这里插入图片描述

2、cudnn/include下的cudnn.h,放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include

在这里插入图片描述

3、cudnn/lib/x64下的lib,放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

在这里插入图片描述
搞掂~~~

三、安装tensorflow

1、新建个环境

我用ANACONDA来管理环境,所以到命令行执行:

conda create -n tfgpu114 pip python=3.6

tfgpu114 是我的环境名,你可以随意取名。

切换到该环境:

conda activate tfgpu114

2、开始安装tensorflow-gpu1.14

pip install tensorflow-gpu==1.14

3、验证是否可用

import tensorflow as tf

version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:", version, "\n use GPU:", gpu_ok)
gpu_ok2 = tf.test.is_built_with_cuda()

print("is_built_with_cuda:", gpu_ok2)

在这里插入图片描述
这样就对了!

4、后话

因为我要用到keras,我用conda install keras,发现要安装tensorflow2.1版本,如果下载了更高级的tensorflow版本,那么我之前装的1.14就不起效了,所以我终止了这个安装。
在这里插入图片描述
查了一下keras和tensorflow的关系:
在这里插入图片描述
于是我安装keras2.2.5:

conda install keras==2.2.5

至此,安装部分结束。


下面讲一下那个巨坑。

巨坑

我的电脑原来装好了cuda10.1版本,我就在此基础上安装cudnn7.6.5,tensorflow1.14,装好以后一运行验证程序,报错说缺少cudart64_100.dll文件。我上网一搜,这很好解决,另外下载这个文件放到cuda安装目录下的bin就可以了。
我这么干了,当时确实不再报错,但是正是这个原因,一直无法用GPU。这个问题很隐蔽,一步步都很能验证通过,就是到最后验证程序那里,一直是False。各种折腾以后,我才决定全部重来。这一次,不知道为啥,我选择了cuda10.0,正是这个英明的决定,我成功了!

补充

要监控GPU使用率,很多人说cd C:\Program Files\NVIDIA Corporation\NVSMI目录,执行nvidia-smi,可是我找了找,我并没有这个目录啊。后面发现原来windows10,直接执行即可:
在这里插入图片描述

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值