Win10系统从NVIDIA driver版本匹配开始配置Keras训练环境

Win10系统从NVIDIA driver版本匹配开始配置Keras训练环境

由于最近只能使用Windows系统训练神经网络，但是程序总是不调用GPU而拖慢了工作进度，因此踏上了配置环境的不归路，在此记录一下配置环境的真正流程和我遇到过的所有坑，希望对大家有所帮助。

---

一、确定要安装的TensorFlow-GPU、CUDA、cudnn的版本

根据要安装的tensorflow-gpu版本查看需要安装的CUDA和cudnn版本

例如，我需要安装的是tensorflow-gpu 1.14.0，因此需要安装CUDA10，和cuDNN7.4

二、安装NVIDIA显卡驱动

1.查看显卡驱动版本是否满足CUDA版本的要求

可在这里查看：

NVIDIA驱动版本查看方式：开始菜单——>NVIDIA control panel——>系统信息

2.更新驱动版本

若显卡驱动不满足要求，则需要更新驱动版本，步骤如下：
（1）查看显卡型号：如上图所示（开始菜单——>NVIDIA control panel——>系统信息）
（2）在此处下载显卡型号对应的驱动版本。Windows驱动程序类型，也在上图系统信息里查看。最新栏里选择Studio驱动程序。下载后安装即可

三、安装CUDA

（1）在此处选择需要的CUDA版本，下载并安装。（选择精简安装，取消勾选创建快捷方式）

安装失败解决办法

若安装失败如下图原因：

则选择自定义安装，取消勾选Visual Studio Intergration后再进行安装

（3）验证CUDA是否安装成功

进入CUDA的安装路径，并复制此路径

进入cmd命令窗，切换到安装目录下，执行nvcc -V指令，如下图所示即安装成功

四、安装cuDNN

在这里下载cuDNN与CUDA对应的版本。（下载时需要自行注册和登录账户），下载后解压文件夹，cuDNN安装过程如下：
若cuda 安装目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
（1）把 cudnn 解压包下的：cuda\bin\cudnn64_7.dll 复制到：cuda安装目录\bin
（2）把 cudnn 解压包下的：cuda\include\cudnn.h 复制到：cuda安装目录\include
（3）把 cudnn 解压包下的：cuda\lib\x64\cudnn.lib 复制到：cuda安装目录\lib\x64
说明：复制过程不会有重复文件需要覆盖，如果有，说明cuDNN下载的版本有问题，请自行检查，可在这里参考

为防止出现未知错误，cudnn安装完成后，把 3 个路径加入 环境变量\用户变量\path 中：
（1）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
（2）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
（3）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

环境变量添加方法：

控制面板——>系统——>高级系统设置

（2）验证cuDNN安装是否成功
进入下图路径，分别执行bandwidthTest.exe和deviceQuery.exe两个程序，如下图便是安装成功：

五、安装TensorFlow-gpu

（1）打开Anaconda Prompt（conda -V命令可查看anaconda版本，conda info --envs命令可查看已存在的虚拟环境信息）

（2）创建虚拟环境

conda create -n env_name python=3.6  # env_name是自己命名的虚拟环境名

（3）进入虚拟环境

conda activate env_name

（4）安装tensorflow-gpu版本
此处千万不要安装tensorflow的cpu版本，不然程序默认调用cpu版本，安好后再卸载cpu版本会导致很多错误，我就是栽在这里重安装了好几次。

conda install tensoflow-gpu=1.14

验证tensorflow-gpu是否安装成功：

在Anaconda Prompt中输入如下命令

>>> python
>>> import tensorflow as tf
>>> print(tf.__version__)
>>> print(tf.test.is_gpu_available())

若如下图所示，则tensorflow-gpu安装成功

import tensorflow as tf 时报错FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated;…（如下图）

报错原因：这是由于numpy1.19.1版本过高造成，需要降至1.16.0
解决办法：退出python程序，重新安装numpy1.16.0

>>> exit()
>>>pip install numpy==1.16

安装numpy1.16时报错：tensorflow 1.14.0 requires google-pasta>=0.1.6, which is not installed.（如下图）

解决办法：

>>>pip install google-pasta==0.1.6

六、在pycharm的python脚本中调用GPU跑神经网络模型

添加配置好的虚拟环境的python解释器

p36是刚刚配置好的虚拟环境的文件夹


至此我们配置好的tensorflow-gpu已关联到了当前项目

---

七、Inference

Windows 10 安装 nvidia driver，cuda，cudnn，anaconda，tensorflow