目录
最近需要使用TensorFlow来做一个项目,因此涉及大量的矩阵运算,但如果仅仅使用CPU来运算,训练的时间就会比较久。虽然可以借助谷歌的colab平台来进行在线的训练,但是始终有各种各样的限制。所以直接使用本地的GPU来做相对来说会比较方便快捷一些。但是,要想使用本地的GPU,还需经过九九八十一难,各种各样的环境配置和软件安装。这也是我第一次在本地配置这样的环境,经过各种各样的坑之后,终于配置完成了,在此跟大家详细的分享一下我配置的整个过程。
在配置环境之前,需要确保自己的电脑能够使用CUDA。首先需要确认自己的电脑是有NVIDIA显卡,如果没有,那么你就无法安装CUDA了,CUDA是NVIDIA提供的专门面向编程的加速库,其他品牌的显卡是不能安装的,这个时候你就只能安装TensorFlow CPU的版本。
CUDA、cuDNN和tensorflow-gpu之间是需要对应版本的,但是在官网给出的对应关系中没有CUDA10.1的对应TensorFlow版本。不过在“GPU支持”介绍中提到“TensorFlow 支持 CUDA 10.1(TensorFlow 2.1.0 及更高版本)”,所以安装CUDA 10.1+TensorFlow 2.1.0以上版本是兼容的。
配置环境
Windows 10 64位
Anaconda 1.9.12
Visaul Studio 2017
Python 3.7
CUDA Toolkit 10.1.120
CUDNN 7.6.1.34
TensorFlow-GPU 2.3.0
1. 安装Anaconda
在此之前我的电脑就已经安装使用了Anaconda,所以关于Anaconda的安装步骤,百度上有很多教程,