window10安装TensorFlow2、CUDA10、cuDNN7.6.5

https://blog.csdn.net/zimiao552147572/article/details/104084170

日萌社

人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）

---

安装

TensorFlow2、CUDA10、cuDNN7.6.5

Anaconda3 python 3.7、TensorFlow2、CUDA10、cuDNN7.6.5

TensorFlow 2.0 环境搭建

window下安装 Keras、TensorFlow（先安装CUDA、cuDNN，再安装Keras、TensorFlow）

---

下载NVIDIA驱动：https://www.geforce.cn/drivers     

TensorFlow2.0需要cuda10，所以应该装410.48以上版本驱动 

---

CUDA、cuDNN百度盘下载

链接：https://pan.baidu.com/s/19R-SdGCy8klKjYQhckGTew 
提取码：ug14 

 
 

   
   

    
    

   
   
   
   

    
    

     
     CUDA、tensorflow版本清单：https://tensorflow.google.cn/
     
     install/
     
     source#linux
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     CUDA下载：https://developer.nvidia.com/cuda-toolkit-
     
     archive
    
    
   
   
 
 

CUDA、cuDNN、tensorflow版本要求清单 

注意：使用cuDNN v7.4.2.24可能会报错（亲测），但使用cuDNN v7.6.5.32的话，并不会出现“cuDNN v7.4.2.24可能会出现的”报错，虽然官网推荐组合是cuDNN v7.4.2.24，但建议使用cuDNN v7.6.5.32

 

测试GPU是否能正常运行tensorflow 

 
 

   
   

    
    

   
   
   
   

    
    

     
     >>> 
     
     import tensorflow 
     
     as tf
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     >>> tf.test.is_gpu_available()
    
    
   
   
 
 

 
 

   
   

    
    

   
   
   
   

    
    

     
     import tensorflow 
     
     as tf
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import timeit
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     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)