win10+cuda8.0+cudnn+Tensorflow(GPU)安装

传说中的Tensorflow终于支持windows了,下面介绍一下Win10下Tensorflow的安装与使用
准备工作:
1.python3.5(64位)目前Tensorflow只支持64位python3.5以上版本
下载链接:
https://www.python.org/ftp/python/3.5.3/python-3.5.3rc1-amd64.exe
2.安装numpy
python3.5以上自带pip模块,打开终端输入pip3 install numpy
3.cuda+cudnn
这部分参考的:
http://blog.csdn.net/sb19931201/article/details/53648615
(1).cuda v8.0安装包下载 ,还有安装指南之类的,稍微看下就行。

根据自己的环境选择对应的版本,exe分为网络版和本地版,网络版安装包比较小,执行安装的时候再去下载需要的包;本地版安装包是直接下载完整安装包。这里建议下载本地版(网络版我试过,安装一晚上失败了…),另外建议用win10自带的edge浏览器下载,速度比谷歌啥的快多了。
下载下来后就正常安装就可以了。
(2).cuDnn库下载
下载这个安装包需要注册并且填一堆问卷,下下来以后把相关包不用安装,直接拷到cuda路径对应的文件夹下面就行(后面说)。
(3).cuda测试 
在cuda安装好后会自动下载一些example,自己运行测试一下,问题不大。
(4).关键坑(运行TensorFlow) 
当我安装完成准备开一波车的时候,出来各种错,作为年轻的老司机我讲讲经验。TensorFlow 是一个编程系统, 使用图来表示计算任务,图必须在Session(会话)里被启动. Session将图的op(操作)分发到诸如CPU或GPU之类的设备上运行。所以,这个时候你运行python然后import tensorflow as tf是不会报错的,但是当你要执行tf.Session()的时候可能就有问题了。这个时候将会调用cuda,我在这里遇到的问题是各种lib,dll加载不了。经过一番检查,定位到问题,cuda安装完成后默认的环境变量配置不对,CUDA_PATH是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0,但是这样不能直接访问到bin和lib\x64下的程序包,在path中加上这两个路径即可。
再发一波车,结果还有问题…还有一个库加载不了,就是上面的cuDnn库了,很简单,解压刚才下下来的安装包,将这三个文件夹下的文件拷到CUDA对应的文件夹下面即可。 


这样就大功告成了。
最关键一步:
pip3 install tensorflow-gpu
哈哈哈,就这么简单,快去测试一下吧
#coding=utf-8

import tensorflow as tf
import numpy as np
hello=tf.constant('hhh')
sess=tf.Session()
print (sess.run(hello))
成功的样子:
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library cublas64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library cudnn64_5.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library cufft64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library nvcuda.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library curand64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:885] Found device 0 with properties: 
name: GeForce GTX 1060
major: 6 minor: 1 memoryClockRate (GHz) 1.6705
pciBusID 0000:01:00.0
Total memory: 6.00GiB
Free memory: 5.01GiB
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:906] DMA: 0 
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:916] 0:   Y 
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:975] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 1060, pci bus id: 0000:01:00.0)
b'hhh'


  • 38
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 14
    评论
安装和配置Anaconda3、PyCharm、CUDA 10.1、cuDNN 7.6和TensorFlow 2.2的步骤如下: 1. 首先,下载并安装Anaconda3。访问Anaconda官方网站,并下载适合您操作系统的安装程序。运行安装程序,按照提示进行安装。 2. 安装完成后,打开终端或命令提示符,并创建一个新的Anaconda环境。运行以下命令: ``` conda create -n env_name python=3.7 ``` 将"env_name"替换为您想要的环境名称。 3. 激活新创建的环境。运行以下命令: ``` conda activate env_name ``` 4. 下载并安装PyCharm。访问JetBrains官方网站,下载适合您操作系统的PyCharm安装程序。运行安装程序,按照提示进行安装。 5. 下载并安装CUDA 10.1。访问NVIDIA官方网站,下载与您的显卡和操作系统兼容的CUDA 10.1安装程序。运行安装程序,按照提示进行安装。 6. 下载并安装cuDNN 7.6。访问NVIDIA官方网站,并下载与您的CUDA版本和操作系统兼容的cuDNN 7.6库。将cuDNN文件解压缩到CUDA安装目录中。 7. 配置PyCharm以使用Anaconda环境。打开PyCharm并导航到"Settings" > "Project Interpreter"。单击右上角的设置图标,并选择"Add"。在打开的窗口中,选择"Conda Environment" > "Existing environment"。在"Interpreter"字段中,选择Anaconda环境的路径。 8. 在PyCharm中安装TensorFlow 2.2。返回"Settings" > "Project Interpreter",并单击右下角的"+"按钮。在搜索栏中输入"tensorflow",并选择TensorFlow包。单击"Install"按钮,完成安装。 9. 现在,您已成功安装和配置Anaconda3、PyCharm、CUDA 10.1、cuDNN 7.6和TensorFlow 2.2。您可以开始使用TensorFlow进行深度学习任务。 请注意,安装和配置步骤可能因操作系统和版本而异。建议在查找和安装这些软件时参考官方文档和教程。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 14
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值