一、在安装tensorflow-gpu2.1.0之前,首先需要确定我们的电脑到底支不支持gpu,具体的查看方式如下图所示:
首先选中“我的电脑”单击右键---->“管理”---->“设备管理器”---->“显示适配器”---->查看是否有NVIDIA显卡,要是有就表示我们可以安装tensorflow-gpu,否则我们只能安装不支持gpu的tensorflow版本。
二、估计你需要安装的tensorflow-gpu版本,然后查看tensorflow与CUDA的版本对应关系(本教程安装tensorflow-gpu==2.1.0)
根据上表查找对应的cuda版本号,这里选择cuda10.1。当确定cuda版本号以后进行cuda的下载。
三、下载cuda
建议大家最好在cuda官网去下载(CUDA Toolkit Archive | NVIDIA Developer)
选择cuda10.1版本进行下载
大家可以根据自己的操作系统勾选对应的选项进行下载。
四、安装cuda
在win10系统下cuda的安装与普通软件的安装大体一致,只是在安装的过程中有一些地方需要注意。
*这里大家一定要注意,尽量选择自定义安装,因为后续还有版本需要核对。
进入这一步后,依次点开CUDA、Other components、Driver components前面的加号,然后核对每一项的“新版本”与“当前版本”值。当“新版本”的值小于“当前版本”时去掉前面的勾选,否则会造成安装不成功。如果“新版本”的值大于“当前版本”可以勾选前面的选项。(非常重要)
当选择完这一步后,接下来持续点击,直到安装完成。
五、环境变量配置
至此我们已经将cuda安装完成了,现在需要进行环境变量的配置并验证安装是否有效。
依次在cuda的安装目录中配置如上图所示红框的环境变量。配置完成后打开终端并输入nvcc -V(注意:是大写V,不要输入小写)来验证是否安装成功。
当看到如上信息,表示cuda已经安装成功了。
六、cudnn的安装
NVIDIA cudnn是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。cudnn是基于cuda的深度学习GPU加速库,有了它才能在GPU上完成深度学习的计算。cudnn的安装相对比较简单。首先去下载cudnn,可以去官方网站(cuDNN Archive | NVIDIA Developer)下载,麻烦就在于需要创建账户。大家也可以在清华镜像(https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/)中去下载cudnn。
下载完成后进行解压,解压完成后会看到下图所示中的文件。
然后进入Library文件夹,可以看到如下图所示的三个文件夹。
将Library文件夹下的bin、include、lib三个文件夹复制到cuda的安装目录下并替换原有的文件夹。
至此,我们就完成了cuda、cdnn的安装。
七、tensorflow-gpu2.3.0的安装
当完成了前面cuda以及cudnn的安装后,就可以进行tensorflow-gpu的安装了。打开命令行,然后输入pip install tensorflow-gpu==2.3.0进行安装即可。如在安装的过程中遇到问题,请自行寻找解决方案。
安装完成后,测试安装的tensorflow能不能调用gpu
*** 如果出现“ DLL load failed: 找不到指定的模块”的错误,可以在网站https://docs.microsoft.com/zh-CN/cpp/windows/latest-supported-vc-redist?view=msvc-170
下载对应的版本进行安装。具体可参考博客:
https://blog.csdn.net/sereasuesue/article/details/105327611
八、pytorch的安装及测试
在安装pytorch之前,大家首先需要确认pytorch与cuda的版本对应关系,可以参考网址
Previous PyTorch Versions | PyTorch来进行核对。这里我就直接选择pytorch1.9+cuda10.2进行安装。首先打开pytorch官网:
大家可以根据自己的电脑系统以及安装的cuda版本选择对应的选项。当勾选完成后,复制下方的命令进行安装。
然后指令粘贴在命令行下进行安装,这里我将pip3修改为了pip。如果大家只装了anaconda的环境,这里可以不用修改。
安装的过程有点慢,大家也可以使用清华镜像来安装
-i https://pypi.tuna.tsinghua.edu.cn/simple
安装完成后即可进行测试,具体测试方法如下图所示:
至此我们就完成了全部的环境配置。如果大家在安装过程中遇到什么问题,可以留言也可以查找其他的解决方案。
八、参考博客
1、深度学习GPU环境CUDA详细安装过程(简单快速有效) - 知乎
2、深度学习GPU环境CUDA详细安装过程(简单快速有效) - 知乎
非常感谢以上作者的优秀博文。