GTX950M+Cuda10.1+Tensorflow2.1.0-Gpu
文章目录
1.电脑环境、电脑配置
1.1电脑配置
显卡:GTX950M 16年的桌面笔记本老产品
Python环境:Python3.7 Anaconda
操作系统:Window10
1.2注意点:
搞深度学习非常依赖于显卡的性能,如果笔记本电脑的所对应的显卡算力和性能太低,建议换电脑搞深度学习!Cpu当然也可以搞,不过要死不嫌慢或者Cpu强大的可以考虑用cpu版,那么就不需要安装cuda.AMD的显卡也能搞深度学习,不过优点麻烦!关于英伟达显卡的算力可以参考以下英伟达官网给出的页面:
2.安装Cuda
安装cuda之前要考虑自身电脑的配置以及自身已经安装的环境对于Tensorflow以及Pytorch的支持情况。我的电脑安装的是Python3.7,因为tensorflow2.0以上的版本支持python3.7的最低版本为为2.0.0,但我选择了tensorflow2.1.0. 关于Python版本支持的Tensorflow情况详情可以参考Tensorflow官网。
2.1安装cuda10.1
如上图所示,要安装Tensorflow-gpu2.1.0,就需要电脑安装cuda10.1,因而可以去英伟达官网安装cuda.
点击进入cuda10.1的页面进行下载:
以下两个是已经下载好的百度云cuda版本:
cuda10.1 提取码:fmyo
cuda10.0提取码:ch28
下载完后点击安装:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wpk7s9PR-1608032415152)(D:\笔记\CSDN\images\cuda具体安装1.png)]
按照图示步骤来,Visual Studio Integration不选,否则有可能导致安装不成功:
验证是否成功:
win+R 输入cmd,进入命令行界面:
输入以下指令:
nvcc -V
2.2安装cudnn
不同版本的cuda 对应着不同的cudnn,详情可以从英伟达官网找到具体信息。
不过,下载cudnn需要去英伟达官网注册。这里提供两个版本的cudnn:
支持cuda10.1cudnn 提取码:f0kh
支持cuda10.0cudnn 提取码:lxt2
解压文件夹,将解压后的文件夹下的文件拷贝到cuda安装目录下,与之相对应的文件夹下
至此,cuda算是完成安装。
2.3安装tensorflow2.1.0
本次采用pip 的方式安装,当然也可以采用conda的方式安装。
打开anaconda prompt:
输入pip 下载的包:
pip install tensorflow-gpu==2.1.0
# 注意如果没有指定下载的是tensorflow-gpu的话,系统很可能会下载tensorflow的cpu版本
# 如果没有指定具体的版本,很可能下载的是最新的版本
2.4安装pytorch
安装pytorch比Tensorflow要友好很多,很且Pytorch官网会给详细的自动,复制连接就行!
复制指定直接输入到Anaconda Prompt中就行!
3.验证结果
3.1验证Tensorflow
import tensorflow as tf
print(tf.config.list_physical_devices("GPU"))
print(tf.test.is_gpu_available())
print(tf.test.is_built_with_gpu_support())
print(tf.test.is_built_with_cuda())
验证成功!
3.2验证Pytorch
import torch
x = torch.rand(5, 3)
print(x)