一、 明确自己电脑的适配版本的cuda
查看一下自己电脑上有没有NVIDIA控制面板,打开NVIDIA控制面板——>设置physx配置——>组件,可以看到NVIDIA.DLL, 后面的就是你应该安装的版本。
二、下载对应版本的cuda, cudnn
cuda下载:https://link.zhihu.com/?target=https%3A//developer.nvidia.com/cuda-toolkit-archive
cudnn下载:https://link.zhihu.com/?target=https%3A//developer.nvidia.com/rdp/cudnn-download
三、安装cuda, cudnn
cuda安装就很简单了,同意并继续,一直下去。
安完之后再控制面板会看到:
解压与cuda对应的cudnn:
将以上的文件移到 你的cuda安装目录下 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
这样就算是完成了cuda和cudnn。
四、检验CUDA,CUDNN是否安装成功
输入nvidia-smi——>nvcc -V出现以下:
cd到根目录——>在 cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite——>分别输入deviceQuery.exe 和 bandwidthTest.exe
都是pass那么就说明CUDA和CUDNN安装好了。
五、安装TensorFlow-GPU版本
查看版本
https://tensorflow.google.cn/install/source
右上角Language设为English,拉到最下面,CUDA 10.0+cuDNN 7.6.1,装tensorflow-gpu 1.14.0
# -*- coding: utf-8 -*-
# !/usr/bin/env python
# @Time : 2019/5/7 17:19
# @Author : xhh
# @Desc :
# @File : tensor_tf.py
# @Software: PyCharm
import numpy as np
import tensorflow as tf
matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[ 2.]])
product = tf.matmul(matrix1, matrix2)
print(product)
sess = tf.Session()
六、查看显卡利用率
简单查看nvidia-smi
每隔1秒刷新一次nvidia-smi -l 1
参考文献
如何检查显卡支持哪个版本的CUDA -百度经验
https://jingyan.baidu.com/article/6fb756ec4fabc4241858fbf7.html
NVIDIA-SMI系列命令总结 - handsome_bear的博客 - CSDN博客 https://blog.csdn.net/handsome_bear/article/details/80903477
tensorflow各个版本的CUDA以及Cudnn版本对应关系 - MIss-Y的博客 - CSDN博客 https://blog.csdn.net/qq_27825451/article/details/89082978
WIN10 + GTX1660Ti配置TensorFlow GPU版本 - weixin_43318717的博客 - CSDN博客 https://blog.csdn.net/weixin_43318717/article/details/94433790
根据显卡型号选择CUDA和cuDNN进行TensorFlow GPU版本安装