随手笔记前言
不用单独下载CUDA和CUDNN,直接在Anaconda虚拟环境中安装即可,以安装TensorFlow-gpu-2.1.0版本为例
一、写该随手目的?
先前一直是手动下载(注:本人是win10系统不是Linux系统)cuda和cudnn进行安装,即麻烦还费事。现以安装TensorFlow-gpu-2.1.0为例来在Anaconda虚拟环境中安装cuda和cudnn。
二、随手笔记内容
1.新建流程。
1.1 新建AI_tensorflow2.0虚拟环境,python为3.7版本:
conda create -n AI_tensorflow2.0 python=3.7
2.2 而后激活环境并进行安装tensorflow2.1.0gpu版
(AI_tensorflow2.0) C:\Users\Administrator> conda activate AI_tensorflow2.0
(AI_tensorflow2.0) C:\Users\Administrator> conda install tensorflow-gpu=2.1.0
而后即会根据需要配置,anaconda自己下载需要版本与软件包,你输入y即可安装。
2.展示结果
安装完成后:
(AI_tensorflow2.0) C:\Users\Administrator>conda list
即会显示安装好的包:
最后进行验证是否安装tensorflow-gpu-2.1.0成功,在pycharm导入你的虚拟环境之后,输入以下代码即可:
import tensorflow as tf
import timeit
import os
with tf.device('/cpu:0'):
cpu_a = tf.random.normal([10000, 1000])
cpu_b = tf.random.normal([1000, 2000])
print(cpu_a.device, cpu_b.device)
with tf.device('/gpu:0'):
gpu_a = tf.random.normal([10000, 1000])
gpu_b = tf.random.normal([1000, 2000])
print(gpu_a.device, gpu_b.device)
def cpu_run():
with tf.device('/cpu:0'):
c = tf.matmul(cpu_a, cpu_b)
return c
def gpu_run():
with tf.device('/gpu:0'):
c = tf.matmul(gpu_a, gpu_b)
return c
# warm up
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)
print('GPU', tf.test.is_gpu_available())
print(tf.__version__)
如果安装成功了,即会显示以下内容:
总结
以上即为:(更正一下,图片跟tensorflow版本不一样,但是过程是一样的)不用单独下载CUDA和CUDNN,直接在Anaconda虚拟环境中安装即可,以安装TensorFlow-gpu-2.5.0版本为例的内容。这里还要重点说明下:由于我是RTX3090TI,因为非定制的民用30系显卡只支持CUDA11.1以及以上版本的cuda,所以我安装的cuda是11.3(11.2也可以)的版本。如果不知道,可以参照官方说明进行安装:
tensorflow官方说明