@skiery原创
Win10环境下搭建tensorflow-gpu环境
已安装软件
首先,我在环境搭建之前已经安装好了VS2015,一般在使用tensorflow的时候需要搭配VS的编译器,所以大家最好先安装VS2015,有老版本的卸载之后再安装,新老版本冲突的问题在我的另外一篇博客里有写,大家有兴趣可以去翻一下
搭建步骤
1.安装anaconda
看了很多博客和帖子,发现大家基本都在使用anaconda搭建tensorflow-gpu的环境,所以我就不标新立异了,也用这个环境。下载的时候推荐大家安装:Anaconda3-5.2.0-Windows-x86_64这个版本号的anaconda,它应该对应python3.6版本的最新版本号,可以去清华镜像站下载老版本,官网上下载下来的对应python3.7,具体差异没有看过。
安装之后,有了anaconda环境(和jupyter一系列的环境)
2.安装CUDA
此处千万千万要注意,搞清楚自己的GPU是什么型号的,去英伟达官网看一下,自己的GPU算力是多少,支持什么版本号的CUDA。比如我用的是GTX1070Ti,没有这一款,但是他的算力肯定比GTX1070强,于是我就用了GTX1070的配置,对应了CUDA9.0这个版本。
找对了CUDA版本,去英伟达官网下载CUDA(或者百度云盘什么的),安装,Bingo,问题解决。
3.安装cuDnn
这个要参考下图,根据自己的CUDA版本号,下载相应的cuDNN。cuDNN下载之后不用安装,直接将解压后的三个文件夹复制放在CUDA安装目录下即可。
4.搭建环境
安装好anaconda后,进入anaconda prompt,开始搭建过程。
首先是给anaconda换下载源(外网链接无速度,此处使用清华镜像):
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
然后创建anaconda下面独立的环境:
conda create -n tensorflow-gpu python=3.6.5
这句话意思是创造一个名字叫做tensorflow-gpu的独立python环境,里面使用python的版本号是3.6.5。成功创建环境之后,使用命令activate tensorflow-gpu
会发现自己进入了这个创建好的环境(有使用虚拟机经验的朋友可以认为这里就像anaconda给我们提供了独立的python虚拟机环境)。
在环境里使用命令行更新pip(这个独立环境里的pip升级):
python -m pip install --upgrade pip
最后是安装tensorflow-gpu,安装的版本号结合之前的表格进行选择(比较新的版本似乎都会用到bazel编译器,所以大家最好用Cmake对应的tensorflow-gpu版本,会少很多麻烦)
pip install --ignore-installed --upgrade tensorflow-gpu==1.7 #此处以版本号位1.7为例
测试是否安装成功
在cmd中激活之前创建的环境:
conda activate tensorflow-gpu
然后打开python输入代码进行测试,截图如下:
这些Warning大家看一看,会发现不影响我们运行的结果,可以在代码中加入忽略该级别警告的代码片:
import os
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "2"
测试完发现sess.run()可以被正确的读取,那就说明你的tensorflow-gpu环境搭建成功了,congrats!
最终,测试使用完之后,我们直接关掉cmd即可,想退出这个tensorflow-gpu独立环境的话,使用指令deactivate
即可。
希望大家顺利搭建环境,有问题还请留言指正