第一步:安装Anaconda, 官网下载, 安装结果如下图。
下载地址如下:https://www.anaconda.com/distribution/#download-section
用于anaconda的官下载网速太慢,所以,我们换回国内源。下面两个方式任选一个。
操作方式是在Anaconda prompt命令行输入
清华源:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes
中科大源:
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
第二步:使用anaconda建立一个虚拟的python环境
注意需要根据tensorflow的要求选择python的版本,这里我们装的是1.12.0版本的tensorflow,所以我选择python3.6(python3.6支持的tensorflow版本比较多,推荐选python3.6)
下图是我建立的python环境,名字是deeplearning。
第三步:安装cuda(注意,只有navidia显卡才能用cuda)
安装cuda时,记得取消visual studio integration
不用装vs2015, vs2017(文件太大了,没必要安装)。vs只是用来编译sample样例,用来检验有没有成功
cuda的各版本的下载地址如下:https://developer.nvidia.com/cuda-toolkit-archive
我要安装的是tensorflow-gpu1.12.0,对比上上张图,所以我选择了cuda9.0版本
注意:安装cuda之前,最好把自己电脑的nvdia显卡驱动卸载掉,因为cuda会自带显卡驱动。
安装如下:
下一步,完成安装
第四步 安装cudnn
cudnn各版本的下载地址是:https://developer.nvidia.com/rdp/cudnn-archive
我的tensorflow是1.12.0, cuda是9.0, 所以根据前面的图片,我下载的是7.0版本的cudnn
解压cudnn包,进入文件夹,找到里面的三个文件夹,这三个文件夹对应着cuda目录中的同名文件夹。
对应我的cuda文件夹路径在是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0,如果没改cuda的安装路径,你们的应该也是这位置。只是v9.0数字变化。
操作:将这三个文件夹里面文件(不是文件夹)放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0的同名对应文件夹下。注意lib里面还一个x64文件夹,将x64的压缩包cudnn复制到相应的文件夹中,不用解压
第五步:配置环境变量
安装完cuda9.0后,系统会自动增加两个系统变量,CUDA-PATH和CUDA-PATH_V9.0(根据cuda版本显示)如下图。
我们需要在系统变量path新建,输入下面的命令(根据自己的路径来设置)
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64;
下图是别人的图,正确配置显示的v9.0, 不是v10显示
第六步:在Anaconda 第prompt里面安装tensorflow-gpu1.12.0
1,用conda active命令切换到开始创建的python环境,我的环境名是deeplearning ,你们要根据自己的环境名字写。
2.安装tensorflow
命令如下
conda install tensorflow-gpu==1.12.0
第七步,测试(测试方法多,下面我用的是anaconda的命令行测试,也可以用pycharm测试,notebook,也可以命令行测试)
测试代码:
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
如果出现跟下图类似的界面,那就成功安装了tensorflow-gpu版。