1 概述
博主也是一名机器学习深度学习爱好者,自然而然需要使用Tensorflow-gpu进行代码的运行,但是安装的过程可谓是九曲十八弯,经历过不少的痛苦,历时也是半年之久,遇到的问题也是一箩筐。直到今日,博主终于悟出一个简单实用并且绝对有效的安装过程,这一过程是博主亲自使用自己电脑多次安装,多次测试后验证的来的,好了,废话不多说,开始。
2 安装
2.1 Anaconda
- 下载Anaconda
写过python代码的人都会知道,这是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。这也是我们简单安装Tensorflow-gpu的重要因素之一。
点击可选择自己电脑适配的版本。 - 安装 Anaconda
下载完成后,同意条款,选择安装,安装目录可以根据自己选择来,**可以自定义,但是注意路径尽量短且必须全英文,博主建议默认,虽然2个G,但是对于学习来说,这都没什么。**安装时会让你选择是否添加环境变量,博主一般会选择勾上。之后就等待即可。
2.2 Pycharm
- 下载Pycharm
PyCharm是一种Python IDE,带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具。其中很重要的功能即可以自由切换编译器,这也是我们选择它的一个重要原因。
点击可选择自己电脑适配的版本,可选择专业版,也可以选择社区版。
专业版需要进行激活,点击查看激活方法,博主亲测有效。 - 安装Pycharm
下载完成后,同意条款,选择安装,安装目录可以根据自己选择来,同样**可以自定义,但是注意路径尽量短且必须全英文,博主同样建议默认。**等待,然后根据自己的版本选择激活或者使用。
2.3 CUDA
要使用Tensorflow-gpu,就必须要安装CUDA(Compute Unified Device Architecture),它是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。
- 下载CUDA
这里一定要注意,下载的CUDA必须根据自己的显卡进行选择下载;首先在桌面右键,选择NVIDIA控制面板,选择系统信息
然后选择组件,查看NVCUDA.DLL,这里显示的CUDA 版本既是你所能够安装的CUDA的最高版本。
根据你的显卡,点击此处选择CUDA型号,
可以看到,博主的显卡最高支持的CUDA是9.0.176,因此,博主在这里选择的是;
依次进行选择,
- 安装CUDA
安装CUDA,可以根据这一博文进行安装,当然博主试过了,直接选择精简即可,等待安装完成。
2.4 cuDNN
在安装完CUDA后,还需要下载安装cuDNN,并且下载的版本需要和CUDA相对应,比如你下载的CUDA 8.0,那么你的cuDNN也应该是8.0版本的,其实在cuDNN下载处已经说明了。
- 下载cuDNN
点击选择cuDNN,可以看到如下界面;这里有for CUDA,选择对应版本即可。这里有非常多的版本,如V7.5,V7.6等等,在这里,博主选择的是最新的版本,即v7.6 for CUDA 9.0,运行没有问题,具体这里如何选择,博主也没有明确的思路,如果有知道的,烦请指出,谢谢!
- 安装cuDNN
这里的安装十分的简单,其实不应该称为安装。因为cuDNN是一个压缩包,解压后如图所示;将前三个文件复制,然后粘贴到CUDA的安装目录下,默认的安装目录为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0,选择覆盖即可。
2.5 安装Tensorflow-gpu 非常重要
- 打开Anaconda
依次进行选择 Environments,然后左下角选择create。我们要创建一个新环境,因为在默认环境中,python版本为3.7,3.7的版本无法运行tensorflow 1.13版本,因为需要创建一个新环境。
创建完成后,就会在左侧出现tensorflow-gpu新环境,选择,然后搜索tensorflow,下面就会出现tensorflow-gpu,博主这里安装了,所以没有出现。
选中,鼠标需要放在复选框里,先左键,然后右键出现如下图所示,选择1.11版本
之后选择apply,然后继续apply即可,安装完成。
2.6 Pycharm中选择解释器
打开pycharm,File——>Settings——>Project——>Project Interprter,
因为博主这里已经添加了这一解释器,所以出现了。在未添加之前,这里是没有地的,选择右边的加号,找到Anaconda3——>envs——>tensroflow-gpu(这是你在anaconda中创建的新环境的名称)——>python.exe。
大功告成。
2.7 测试
import tensorflow as tf
sess = tf.Session()
a = tf.constant(1)
b = tf.constant(2)
print(sess.run(a + b)) # 3
得出结果即安装成功
运行后大致会出现以下结果,即表示安装Tensorflow-gpu成功。
2019-07-04 09:20:29.465943: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
2019-07-04 09:20:30.439320: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1411] Found device 0 with properties:
name: GeForce GTX 1050 Ti major: 6 minor: 1 memoryClockRate(GHz): 1.62
pciBusID: 0000:01:00.0
totalMemory: 4.00GiB freeMemory: 3.29GiB
2019-07-04 09:20:30.439898: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1490] Adding visible gpu devices: 0
2019-07-04 09:20:31.445611: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-07-04 09:20:31.445803: I tensorflow/core/common_runtime/gpu/gpu_device.cc:977] 0
2019-07-04 09:20:31.445915: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990] 0: N
2019-07-04 09:20:31.447394: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1103] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 3007 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1050 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1)
3
希望能够帮助到大家,有什么问题可以 直接评论即可,喜欢有用的话可以点个赞让更多的人看到,如果不够详细的话也可以说,我会及时回复的。