深度学习的常用框架tensorflow、keras、pytorch都可以使用GPU加速
先放出配置成功的效果图,可以看到GPU已经调用起来了。
接下来是配置方法
一、确定电脑所需的CUDA版本
打开NVIDIA控制面板 -> 帮助 -> 系统信息 -> 组件
查看电脑显卡所需的CUDA版本,我的电脑需要的是CUDA9.0,本博客也以CUDA9.0为例
二、安装CUDA
CUDA官方地址:
https://developer.nvidia.com/cuda-toolkit-archive
选择所需版本进行下载,下载后安装即可,我安装的是默认路径(一直下一步,完成)
配置环境变量
把CUDA安装目录下的bin,lib\x64,extras\CUPTI\libx64添加到Path环境变量中
三、安装cuDNN
cuDNN官方地址:
https://developer.nvidia.com/rdp/cudnn-archive
1.下载对应的cudnn,这里我下载的是cuDNN7.62 for CUDA 9.0
(这里需要注册一个账号,邮箱注册登录后下载即可)
2.下载解压后把压缩包中bin,include,lib文件夹中的文件分别剪切到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 路径下相应的文件夹中。
3.把 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\CUPTI\libx64\cupti64_90.dll
粘贴到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin 目录下
OK。
四、安装Tensorflow-GPU
查表知自己需要安装的 tensorflow-gpu 版本
(上图来源:https://tensorflow.google.cn/install/source_windows)
(这个博客也有版本兼容表:https://blog.csdn.net/yuejisuo1948/article/details/81043962)
使用指令
pip install tensorflow-gpu==1.12.0
安装相应版本tensorflow-gpu即可