第一次安装TensorflowCPU版本时,觉得好麻烦啊,有很多版本匹配问题。等我安装完GPU版本后,就觉得CPU版本也太简单了。带独立GPU的电脑可以使用TF的GPU版本进行加速。事实证明,即使是“很烂”的显卡,带来的加速效果也是很明显的(有一些包会针对GPU加速)毕竟我的GeForce GT 730都跟服务器20个CPU跑的速度差不多。下面是基于我的GT730显卡的配置教程,对应的是Tensorflow1.0版本。
- 版本匹配问题
为了用上GPU,我们除了Tensorflow和keras,还需要安装Cuda和cuDNN。四者版本需要据需要对应,如下表:
看起来我们是可以随便选一套,实际上是受到显卡限制的。我们只能选取显卡支持的Cuda版本及以下的。
2. 查看显卡型号
第一步需要确定我们的独立显卡是否支持Cuda,支持列表见官网:
CUDA GPUs
确定显卡支持Cuda之后,需要查看其支持的最高Cuda版本,可以在NVIDIA控制面板→右下角系统信息→组件。支持版本及以下都可以运行,这里GT730最高支持版本是Cuda9.1。于是可以在这个限制下选取一套版本。