终于有了一块可以用来跑数据的GPU了,赶紧装上CUDA体验一番!!!
配置出可用来跑程序的GPU流程如下:
查看自己电脑GPU支持的CUDA版本
查找、下载并安装适配自己电脑CUDA版本的Visual Studio版本
下载并安装自己电脑GPU的CUDA,并添加环境变量。
查找、下载并安装适配已安装成功CUDA版本的cudnn
查找、下载并安装适配自己电脑上python版本、CUDA版本、cudnn版本、Visual Studio版本以及操作系统版本的tensorflow
查看自己电脑上显卡支持cuda11.0.126版本,目前支持此版本的cudnn只有8.0版本。
适配CUDA11版本的VisualStudio选择2019版,然后下载、安装。下载网址为:https://visualstudio.microsoft.com/zh-hans/
安装完Visual Studio2019后,下载安装CUDA11,下载CUDA网站为:https://developer.nvidia.com/cuda-toolkit
CUDA安装完成后记得添加环境变量,需要添加如下5个环境变量
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v11.0\include
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v11.0\lib\x64
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v11.0\extras\CUPTI\libx64
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v11.0\lib
配置完环境变量后可用测试一下CUDA是否安装成功,使用win+R、cmd调出命令行输入nvcc–V,若有如下图结果即CUDA安装成功,否则重新安装。
CUDA11安装成功后即可下载安装cudnn8.0,下载网址为:https://developer.nvidia.com/cudnn
下载后解压cudnn,将解压文件里面的bin、include、lib文件夹复制到CUDA安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0即可。
上述步骤完成后就要安装tensorflow了,一定要安装GPU版的tensorflow,由于CUDA11是最新版本,还没看到CUDA11适配的tensorflow-gpu,于是乎一个个试,从tensorflow_gpu_2.0.0试到tensorflow_gpu_2.1.0,当试到tensorflow_gpu_2.1.0,运行程序看到图的时候,终于成功了,其实我也就试了这两个版本,哈哈哈哈
生成图结果的测试GPU是否可用的程序,如下:
from tensorflow.python.client import device_libprint(device_lib.list_local_devices())
总结-可用的搭配组合:
Win10+CUDA11+cudnn8.0+python3.7+tensorflow_gpu_2.1.0