Tensorflow-GPU
TensorFlow 包版本:tensorflow-gpu 1.13.1
文章目录
环境条件
现有硬件
-
电脑:华硕笔记本,FX50J
-
显卡:NVIDIA GeForce GTX 950M
现有软件
-
Windows 10家庭中文版,x64
-
NVIDIA GPU驱动程序(对应显卡型号,版本号忘了查,但肯定低于410.x,因为在最终更新驱动之前无法使用)
-
Pyhton 3.7.0(anaconda)
硬件要求
此项内容主要参考GPU 支持 | TensorFlow
-
CUDA 计算能力为 3.5 或更高的 NVIDIA GPU卡。参阅支持 CUDA 的 GPU 卡
在该页面查找对应自己显卡的型号即可
比如我的显卡型号为 NVIDIA GeForce GTX 950M,则点开“CUDA-Enabled GeForce Products”栏,在右侧“GeForce Notebook Products”栏可以查到GPU Compute Cabability GeForce GTX 950M 5.0 因此是硬件适配的
查看显卡及其驱动版本的方法推荐三种:
- 桌面右键点击“此电脑”-“属性”,在属性面板左侧点击“设备管理器”,打开下面的“显示适配器”条目,即可看到显卡型号,如下图。右击“NVIDIA […]”,点击“属性”,选择“驱动程序”选项卡,即可看到驱动型号
-
在桌面空白处点击右键,选择“NVIDIA 控制面板”,在主页面即可看到显卡型号和驱动版本。点击“帮助”菜单,选择“系统信息”可以看到更详细的内容
-
下载“CPU-Z”软件,打开后选择“Graphics”选项卡,点击第一个下拉菜单栏即可看到显卡信息
软件要求
此项内容主要参考GPU 支持 | TensorFlow
注意,此项一定要按照 TensorFlow 的要求,分别查看相应软件版本是否匹配,或下载安装对应的软件版本,切勿侥幸。博主在这一项吃了大亏,浪费了很多时间
以下内容仅限于写作本文时(2019.04.21),实际要求请参见上述网页
-
NVIDIA® GPU 驱动程序 - CUDA 10.0 需要 410.x 或更高版本
-
CUDA® 工具包 - TensorFlow 支持 CUDA 10.0(TensorFlow 1.13.0 及更高版本)
-
CUDA 工具包附带的 CUPTI
这一条博主没有注意,应该是可选或在 CUDA 中自带
-
cuDNN SDK(7.4.1 及更高版本)
这一条主要根据 CUDA 的版本来确定cuDNN的版本
-
(可选)TensorRT 5.0,可缩短在某些模型上进行推断的延迟并提高吞吐量
如官方文档所述,此项明确是“可选”的,故博主并未关注
步骤
0.Visual studio
- 这一条是看其他教程提到的,因为之前安装过 VS 2017,所以没有遇到这方面的问题,也就没有关注
1.下载安装显卡驱动
-
注意:一定要检查显卡驱动的版本,不满足要求是真的用不了……博主最后就是卡在了这个地方,灰溜溜去下了显卡型号对应的最新版本的驱动
-
驱动下载网址为:Download Drivers | NVIDIA
-
在网页的如下区域,选择对应的选项,搜索对应的驱动然后下载安装即可。
2.下载对应版本 CUDA
-
注意:一定要下载安装你使用的版本 TensorFlow 支持的 CUDA 版本,比如博主用的当前最新版 tensorflow 1.13.1,则必须使用 CUDA 10.0
建议不要使用 TensorFlow 的测试版 alpha,可能存在模块、属性的差异
-
建议默认安装路径
-
一开始没有注意官方文档对 CUDA版本的要求TensorFlow 支持 CUDA 10.0,以为是“支持 CUDA 10.0 及以上版本”,所以下载安装的是 CUDA 10.1,结果无法使用(抱歉没有保存报错信息)。表现为在 Python 中无法导入tensorflow
-
此外,如果先安装了 10.1,然后安装了 10.0,一定记得卸载 10.1 相关的内容,否则会默认启动 10.1,依然报错。(其他情况以此类推)
-
若版本不对应,可能会报错如下(错误信息来自stake overflow 某一类似问题):
ImportError: DLL load failed: The specified module could not be found.
ImportError: DLL load failed: 找不到指定模块
或
Failed to load the native TensorFlow runtime.
See https://www.tensorflow.org/install/install_sources#common_installation_probl ems
for some common reasons and solutions. Include the entire stack trace above this error message when asking for help.
3.安装配置 cuDNN
-
按照 CUDA 的版本,下载对应版本的 cuDNN
-
将下载的 cuDNN 解压后,其中文件分别复制到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
的对应文件夹下,如(此处参考Installing Tensorflow with CUDA, cuDNN and GPU support on Windows 10 | Medium)
原文件 | 复制到 | 目标文件 |
---|---|---|
<安装路径>\cudnn-9.0-windows10-x64-v7.5.0.56\cuda\bin\cudnn64_7.dll | -> | C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin\ |
<安装路径>\cudnn-9.0-windows10-x64-v7.5.0.56\cuda\ include\cudnn.h | -> | C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include\ |
<安装路径>\cudnn-9.0-windows10-x64-v7.5.0.56\cuda\lib\x64\cudnn.lib | -> | C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64\ |
- 注意检查环境变量是否添加正确,确保已添加如下两个路径:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
4.安装 TensorFlow GPU 支持版本
- 命令行运行
pip install tensorflow-gpu
即可
-
安装 TensorFlow 的过程不再赘述
-
祝大家安装顺利