win11 cuda12.0安装tensorflow-gpu
安装Anaconda
Anaconda官网(https://www.anaconda.com/)直接下载一个Anaconda,安装。
配置jupyter Lab
- 找到jupyter notebook快捷方式,复制出一个副本,改名为 jupyter Lab
- 右键 jupyter Lab查看副本的属性,将目标(T)中的…\jupyter-notebook-script.py替换为…\jupyter-lab-script.py
- 更改jupyter lab工作目录,默认是C盘用户目录(一般都不会在C盘操作),故需要修改下jupyter lab工作目录,打开Anaconda prompt,输入 Jupyter notebook
–generate-config。会生成一个文件路径,复制路径找到对应文件,定位到这个地方:
“# c.NotebookApp.notebook_dir = ‘’”
c.NotebookApp.notebook_dir = ‘期望的工作目录’(修改好工作目录路径后记得把前面的“#”删除,不然不会生效)
创建虚拟环境
- 先创建虚拟环境,打开Anaconda prompt,输入 conda create -n tensor_env python==3.8(这里tensor_env是环境名称,可以自定义)
- 激活环境:conda activate tensor_env
- 将虚拟环境配置到jupyter lab:
3.1安装ipkernel:pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple
3.2 添加创建好的环境:python -m ipykernel install --name tensor_env(这里是前面自定义的环境名称)
3.3 查看已有环境:jupyter kernelspec list(确认下新建立的环境有在jupyter lab即可)
安装tensorflow-gpu
- 打开cmd,输入nvidia-smi,查看cuda版本。
- 打开cuda官网(https://developer.nvidia.com/cuda-toolkit-archive)下载对应版本的cuda Toolkit,
- 打开cudnn官网(https://developer.nvidia.com/rdp/cudnn-download)下载对应版本的cudnn.
cuda Toolkit、cudnn的安装操作可以参照这个
https://blog.csdn.net/yang4123/article/details/127188279
我这里用的python3.8,cuda 12.0以及对应的cudnn版本8.9
-
先激活前面创建好的虚拟环境:conda activate tensor_env
-
查看cuda12对应的GPU版本,官网没看到,网上搜了下,可以安装tensorflow-gpu2.7.0,对应的keras版本也是2.7.0,原始安装会有一个protobuf,但是版本不对应,需要重装下
pip install tensorflow-gpu2.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install keras2.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install protobuf==3.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple -
安装成功后,打开jupyterlab或者vscode,执行以下命令,能看到GPU说明能正常使用了
import tensorflow as tf
print(tf.config.list_physical_devices(“GPU”))
print(tf.config.list_physical_devices(“CPU”))
输出:
[PhysicalDevice(name=‘/physical_device:GPU:0’, device_type=‘GPU’)]
[PhysicalDevice(name=‘/physical_device:CPU:0’, device_type=‘CPU’)]