win10下tensorflow-gpu的安装
GPU对神经网络模型的训练具有很大的作用,如果想要基于tensorflow做好神经网络模型构建,那么相对于tensorflow-cpu,tensorflow-gpu是我们更应该选择的,GPU资源可以更好的利用显卡资源,加快模型的训练速度(排除数据样本极小的情况)。下面是作者安装tensorflow-gpu的过程。(本操作在python3.7版本下进行)
1.tensorflow-gpu的安装
首先我们需要操作的第一步是安装tensorflow-gpu
-
第一种方法
直接打开终端,输入pip install tensorflow-gpu系统会默认下载最新版本的tensorflow-gpu
在这里也可以直接输入pip install tensorflow-gpu==所需版本(如1.14.0),但在这里不建议这么做。
首先我们不知道你的python版本所对应的tensorflow的版本,其次安装速度很慢。
-
第二种方法(推荐)
直接点开tensorflow-gpu的官网,在历史版本中找符合自己python版本的tensorflow-gpu
https://pypi.org/project/tensorflow-gpu/#history例如
在这里如果是python3.7版本的同学,建议下载tensorflow-gpu1.14.0版本的,因为该版本对tensorflow1.0和2.0版本代码内容均有兼容,对构建神经模型的容错性高。如果是python3.5,3,。6的同学建议下载tensorflow-gpu1.4.0版本或2.0.0版本(1.0,2.0版本代码表达差别较大,看各自喜好,这两个版本属于比较经典的)
进入下载tensorflow_gpu-1.14.0-cp37-cp37m-win_amd64.whl文件所在的位置,打开终端输入pip install 文件名(这里是tensorflow_gpu-1.14.0-cp37-cp37m-win_amd64.whl)
然后可以输入conda list检查是否安装成功
2.安装CUDA及报错改正
接下来是至关重要的一步,CUDA的版本选择及安装
很多人下载完tensorflow-gpu就想要实现代码,但往往会出现ImportError: Could not find ‘cudart64_90.dll’
这样的问题,这说明你没有安装CUDA或者环境变量没有设置
我们得先清楚我们的tensorflow所匹配的CUDA是什么版本的,进行以下操作
找到TensorFlow安装包的位置,默认安装位置在:anaconda\Lib\site-packages,继续打开 tensorflow -> python -> platform 文件夹,打开文件build_info.py。可以看到与我当前tensorflow所匹配的CUDA版本和cuDNN版本。
然后直接搜索CUDA+所需版本,进入官网直接下载。
安装时注意几点
- 一开始点开安装包,会有如下界面,会出现一个路径,该路径为解压路径不为安装路径,切记解压路径和安装路径要不相同,否则当临时解压路径被删除时安装路径也被删除了。
- 接下来选择自定义
安装路径一般使用C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 (建议,当然也可以自定义,与后面环境配置有关,需注意)
- 若中途出现安装失败或者安装文件找不到,建议多试几次就可以了
安装结束后,我们需要对环境进行配置,打开我的电脑->右击鼠标点开属性->选择界面内的高级系统设置->点开环境变量->环境配置
一开始已经有了
CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
CUDA_PATH_V10_0 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
然后我们需要新建其他五个环境变量
变量 值
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
做完以上步骤打开终端输入echo%path%查看是否成功添加变量
有的电脑可能需要重启才能激活变量
3.下载CUDNN及后续操作
安装完CUDA后我们运行tensorflow-gpu一般还会出现报错 ImportError: Could not find ‘cudnn64_7.dll’ ,这是就需要我们安装CUDNN
点开https://developer.nvidia.com/cudnn进入官网,进行账户注册登录,下载相应版本
下载后是一个压缩包,我们只需要压缩该文件,并打开\cudnn-10.0-windows10-x64-v7.6.5.32\cuda\bin我们会看到cudnn64_7.dll
然后我们将cudnn64_7.dll拷贝或复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin中
经过以上三个步骤后,我们可以进行检验
python
tf.__version__
tf.__path__
若如果出现以上的情况,说明已经成功的安装并配置好tensorflow-gpu的环境了。
本文为作者实操过程,如果有什么问题或者有趣的坑可以一起讨论,谢谢!