Tensorflow是进行人工智能学习的利器,Python是优秀的学习平台。
刚巧本机器又带有一个GPU,因此,在win10下,将这3者融合起来,实现在Python平台上使用带GPU加速功能的tensorflow的学习研究是一件有意义的事情。
基本过程:
软件 | 版本 |
Window10 | X64 |
python | 3.6.4(64位) |
CUDA | CUDA Toolkit 9.1(Sept 2017) |
以上版本测试通过。
安装步骤:
1.安装python,记得要勾选pip。
2.检测是否支持CUDA.
NVIDIA官网查询,具体见:https://developer.nvidia.com/cuda-gpus,就可以知道是否可以使用带GPU支持的TensorFlow。在安装和运行TensorFlow之前,需要先安装CUDA驱动。
3.安装CUDA驱动
访问CUDA的下载网站:https://developer.nvidia.com/cuda-toolkit,可以看到CUDA目前的最新版本是9.1版,可以通过选择下面的“Legacy Releases”链接来下载旧版本的驱动。
建议选择自定义安装,然后只勾选cuda。建议安装在默认文件路径。
4.安装CuDNN库
CuDNN库(The NVIDIA CUDA® Deep Neural Network library)是CUDA针对深度神经网络的更新包,TensorFlow会使用它用于加速NVidia GPU上的深度学习。可以从这里下载,见:https://developer.nvidia.com/cudnn。
首先要注册一个NVidia开发者帐号,它是免费的。登录后,您会看到各种CuDNN下载。本文下载使用了CUDA 9.1,所以确定为CUDA 9.1选择了cuDNN v7.1*。
下载下来的是一个包含了几个文件夹的ZIP文件,每个文件夹包含CuDNN文件(一个DLL,一个头文件和一个库文件)。找到你的CUDA安装目录,这里应该是这样的:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1
可以看到从ZIP文件的目录也在这个目录,即有一个bin、一个include,一个lib等。将文件从ZIP复制到相关的目录。
比如把cudnn64_7.dll文件拖拽到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\bin目录,其它相似。
注意,目前tensorflow最高支持CUDA9.0,如果只是cuda9.0,那么,
Pip3 install tensorflow-gpu
就可以了;
但是,如果要使用CUDA9.1:
安利大牛用CUDA9.1自己编译的whl文件。
https://github.com/fo40225/tensorflow-windows-wheel
在项目中找到对应的版本下载就好了。
将之前的tensorflow卸载:pip3 uninstall tensorflow-gpu
重新安装:pip3 install 文件名.whl
5,测试
输入一段测试用的代码
import tensorflow as tf
h = tf.constant("hell,TF")
sess=tf.Session()print(sess.run(h))
另外,请参考:https://www.cnblogs.com/MrRead/p/8728569.html