右击电脑,打开管理,在设备管理的显示适配器中可以看到你的显卡型号;如果没有尝试更新一下驱动,或者是显卡槽为插好;
根据我们的显卡类型我们就可以安装CUDA(compute unified device architecture),是一种并行计算架构;
CUDA GPUs - Compute Capability | NVIDIA Developer
从中我们可以看到我们显卡所支持的cuda版本(这个版本是向下兼容的)
在这里我们就可以看到对应的cuda先前版本了;
下载完成安装后,我们可以再系统的环境变量中看到两个关于cuda的环境变量;
我们可以用win+R运行cmd命令进入命令行界面:,输入nvcc我们就可以看到我们已经安装完成,并且cuda是11.1.74版本 ;
接下来我们就按照CPU的安装,一个样:
1、Anaconda的安装 / Miniconda的安装
Anaconda的安装链接:https://www.anaconda.com/products/distribution
如图所示,点击箭头所指,可以安装anaconda的最新版本;
Miniconda的安装链接:https://conda.io/en/latest/miniconda.html
两者区别不大,看个人爱好,小编使用的是Miniconda,因为miniconda安装简易,虽然没有图形界面(Anaconda有图形界面),但是多用用命令行的操作界面还是有好处的;
在安装anaconda/miniconda时,安装包会自动下载对应~conda版本的python。但这个python只是在~conda环境中;
安装完成后,点击如下图中的命令行界面:
通过
conda --version
python --version
两个命令可以看到对应的conda版本和python版本;
2、下载组件
通常情况下我们可以用pip install 组件名 -i 清华镜像源安装库地址,如下安装tensorflow
这里我们在TensorFlow后面加一个-gpu就是下载tensorlow的GPU版本;并且用清华镜像库来下载;
pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple
安装完成;
我们还可以用conda install
conda install jupyternotebook
的命令行来下载组件;比如说我们下载一个线上代码编辑工具的jupyter notebook;
下载完成后,我们用cd 路径 来跳转到目标文件夹;在运行jupyter notebook就可以打开jupyter界面了。
cd D:/dir/
d:
jupyter notebook
运行如下代码块:
import tensorflow as tf
tf.device( '/gpu:0')
呈现如上结果,就证明我们已经成功安装tensorflow-gpu了;