之前一直在用tensorflow的cpu版,结果是显而易见的,速度非常慢,另外还可能损坏cpu,于是打算今天整一整tensorflow的GPU版,经过一天的摸索终于安装成功了,具体的过程我在这里跟大家分享一下。
#先说一下坑点
①首先截止到今天,2019.8.5tensorflow-gpu的最新版1.14版本不支持Cuda的最新版(10.1),所以,一律安装Cuda 的10.0版本,否则枉然。
②其次,你要看Cuda是否支持自己的显卡,相关信息,官网可以查到。
好,下面是具体步骤:
一、安装Cuda:
上面是Cuda官网的10.0版本Cuda的安装。(我安装的时候发现QQ浏览器总是安装失败,用谷歌浏览器他会提示安装的文件可能会对系统造成损害,这个没事,保留就行。)
安装过程很简单,一直点下一步就行了,而且,环境变量它也是自动写入的,不需要操心,这里不过分赘述。
查看cuda版本:命令行:nvcc --version
二、安装cuDNN(姑且称之为安装吧,就是一个压缩文件,我们只需要里面的三个文件)
https://developer.nvidia.com/rdp/cudnn-download
这是官网的下载地址。
因为咱们的cuda是10.0版本,所以选择第二个。
下载完解压完之后,进行下面的操作:
8.0是版本的意思,不用管,咱的版本是10.0,所以全部换成10.0
三、用Anaconda创建tensorflow_gpu虚拟环境
之前网上一直说要卸载cpu版的tensorflow,其实是不用的,创建一个新的虚拟环境就行了。具体过程如下面所示:
1.打开anaconda prompt命令行交互页面,输入下面的指令
创建虚拟环境:conda create --name tensorflow-gpu python=3.6
2.激活:activate tensorflow-gpu
3.输入命令:pip install --default-timeout=100000 --ignore-installed --upgrade tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple
如果不用清华镜像的话下载速度感人……
四、配置虚拟环境
如果是习惯用jupyter,记得去anaconda客户端切换到tensorflow-gpu环境,然后安装jupyter就好了。
如果是pycharm:
settings->Project:outPut->Project Interpreter->Add
Conda Environment->existing environment->选择相应环境下的python.exe
到这里就ok了。