目录
1).首先声明我的配置简装顺序是:anaconda3(Python 3.6.4)+ Pycharm Professional 2019.03 + tensorflow2.1 + CUDA Toolkit 10.1 + CUDNN v7.6,都成功安装并且可以正常使用
2).关于anaconda3(Python 3.6.4)+ Pycharm Professional 2019.03的安装等问题参见我CSDN里面的博客,有详细的说明
1.问题
最新版的tensorflow2.1默认安装cpu和gpu两个版本,gpu不能运行时退回到cpu版本。运行相关代码时显示错误:
Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found
Ignore above cudart dlerror if you do not have a GPU set up on your machine.
2.原因
先来排查错误,显示“cudart64_101.dll not found”,那是因为我安装的cuda为10.0版本的,“cudart64_101.dll”是cuda10.1这个版本中才含有的(cuda10.2貌似也没有)。
因此我们需要手动将“cudart64_101.dll”添加到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin”中去。
如果你的电脑甚至都没有安装CUDA及CUDNN,那么我的博文或许会帮助到你
错误的原因就是:你的电脑的相应文件夹下面没有cudart64_101.dll
3.解决
步骤:先安装TensorFlow 2.1.0--->再安装CUDA Toolkit 10.1--->最后安装CUDNN v7.6,三者版本是对应的哈,
CUDA Toolkit 10.1下载网址: CUDA Toolkit 10.1 update2 (Aug 2019), Versioned Online Documentation
CUDA Toolkit 10.1安装教程:https://baijiahao.baidu.com/s?id=1664131820191905649&wfr=spider&for=pc
更多各种版本CUDAToolkit 安装见:https://blog.csdn.net/discoverer100/article/details/86696311
CUDNN v7.6下载网址:https://developer.nvidia.com/developer-program
CUDNN v7.6安装教程:https://jingyan.baidu.com/article/39810a236d660bb636fda6d4.html
1.安装TensorFlow 2.1.0
最新版的tensorflow2.1默认安装cpu和gpu两个版本,所以会同时都给你安装
打开Anaconda Prompt--->输入conda create -n tensorflow pip python=3.6.4创建Python版本为3.6.4的环境,遇到Proceed ([y]/n)? 输入y即可
紧接着激活TensorFlow环境
在输入pip --default-timeout=100000 install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/
Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple/,这样下载会很快,而且timeout=100000会使得不会因为pip延迟而导致屡次下载超时而引起的下载失败
一直等待下载完成就好了,然后我们在输入python--->import tensorflow as tf发现会出现开头所述的错误,我们在2.原因中也说到了原因,下面开始解决
2.安装CUDA Toolkit 10.1
要搭建TensorFlow的GPU版本,首先需要的必备条件就是一块能够支持CUDA的NVIDIA显卡,因为在搭建TensorFlow的GPU版本时,首先需要做的一件事就是安装其基础支持平台CUDA和其机器学习库cuDNN,然后在此基础上搭建TensorFlow GPU版本。
其次还要了解一下不同的TensorFlow版本所需要对应安装的CUDA和cuDNN版本是多少,因为在TensorFlow的GPU版本安装过程中,如果对应的CUDA版本和cuDNN版本不正确的话,是无法正常使用GPU来进行模型训练的。下表整理出了TensorFlow从1.2到最新版本的CUDA和cuDNN所对应的版本集合。
查看本机GPU是否支持安装tensorflow-gpu,安装gpu版本的tensorflow需要安装cuda和cudnn。所以需要检查cuda是否支持本机gpu,需要计算能力大于3.1。查看本机显卡配置,对比官网的显卡型号是否支持:显卡型号支持:https://developer.nvidia.com/cuda-gpus
CUDA Toolkit 10.1下载网址: CUDA Toolkit 10.1 update2 (Aug 2019), Versioned Online Documentation
CUDA Toolkit 10.1安装教程:https://baijiahao.baidu.com/s?id=1664131820191905649&wfr=spider&for=pc
更多各种版本CUDAToolkit 安装见:https://blog.csdn.net/discoverer100/article/details/86696311
3.安装CUDNN v7.6
CUDA Toolkit 和CUDNN v7.6的版本对应表:
TensorFlow版本 | CUDA版本 | cuDNN版本 |
1.2 | CUDA Toolkit 8.0 | cuDNN v5.1 |
1.3 | CUDA Toolkit 8.0 | cuDNN v6 or v6.1 |
1.4 | CUDA Toolkit 8.0 | cuDNN v6.1 |
1.5 | CUDA Toolkit 9.0 | cuDNN v7.0 |
1.6 | CUDA Toolkit 9.0 | cuDNN v7.0 |
1.7 | CUDA Toolkit 9.0 | cuDNN v7.0 |
1.8 | CUDA Toolkit 9.0 | cuDNN v7.0 |
1.9 | CUDA Toolkit 9.0 | cuDNN v7.0 |
1.10 | CUDA Toolkit 9.0 | cuDNN v7.1 |
1.11 | CUDA Toolkit 9.0 | cuDNN v7.1 |
1.12 | CUDA Toolkit 9.0 | cuDNN v7.3 |
1.13 | CUDA Toolkit 10.0 | cuDNN v7.3 |
1.14 | CUDA Toolkit 10.0 | cuDNN v7.4 |
1.15 | CUDA Toolkit 10.0 | cuDNN v7.5 |
2.0 | CUDA Toolkit 10.0 | cuDNN v7.6 |
2.1.0 | CUDA Toolkit 10.1 | cuDNN v7.6 |
CUDNN v7.6下载网址:https://developer.nvidia.com/developer-program
CUDNN v7.6安装教程:https://jingyan.baidu.com/article/39810a236d660bb636fda6d4.html
4.验证
验证TensorFlow成功安装
验证TensorFlow成功安装并且成功解决cudart64_101.dll不存在的问题
值此,大功告成啦 ,亲留下你的小心心和赞丫,蟹蟹。