GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1

GTX950M+Cuda10.1+Tensorflow2.1.0-Gpu

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：

英伟达显卡算力表

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。

TensorFlow支持的Python版本

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.

英伟达cuda安装地址

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。

cuddn官网下载

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！

Pytorch下载网址

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)