首先,显卡:MX150;IDE:anaconda这两样;NVIDA图形驱动版本:去官网搜索安装,某些教程没有讲这点,但是这里这点很重要,因为其他教程是要自己安装CUDA和CUDNN的,这个貌似要科学上网才能安装,在安装CUDA的时候会自动匹配CUDA安装NVIDA图形驱动。注意:NVIDA图形驱动版本不仅要符合显卡,还要符合CUDA,所以某些人(向我之前)的CUDA是10.0,而NVIDA图形驱动版本是387.xx的,就会出现显卡驱动和CUDA不匹配的问题。这个问题需要自己安装NVIDA图形驱动。
回归正题:怎么在MX150上使用anaconda 安装tensorlow_gpu版本:
参考1:https://zhuanlan.zhihu.com/p/59109217
(注意,上面这个要科学上网的;并且不能使用清华镜像,要还原默认镜像不然安装的CUDA和CUDNN版本不符合)
怎么还原默认源:
参考2:https://blog.csdn.net/sean2100/article/details/80998643
常见问题:
1:CUDA driver version is insufficient for CUDA runtime version
这是因为,参考1上面的命令会自动帮你安装cuda,但是图形驱动不会帮你安装,(不同于在官方上面安装CUDA会自动帮你安装图形驱动)
所以解决方法是去官网搜索符合CUDA10.0(这是参考1的版本)的图形驱动。
下面是各版本CUDA对图形驱动的要求,图源
参考3:https://www.cnblogs.com/liaohuiqiang/p/9791365.html
可能一些人不清楚后面的数字啥意思,如图,这是我安装的图形驱动,那个就是后面的数字了
MX150:anaconda+pytorch_gpu版本
1、anaconda安装:
https://www.jianshu.com/p/d3a5ec1d9a08
2、图像驱动安装(这里是MX100系列的MX150显卡的图像驱动,其他显卡同理)
https://www.geforce.cn/drivers
3、创建虚拟环境:
4、安装cuda,cudnn,pytorch,为了安装速度快一点,使用清华镜像源https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
从清华源官网声明可以知道怎么做。
首先执行conda config --set show_channel_urls yes
然后,在C盘(电脑系统盘)找到.condarc文件,复制如下内容进去:
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
然后安装
cuda cudnn pytorch:
安装cuda:(注意看清楚pytorch官网所支持的cuda版本)如下图,只有9.2,10.1。虽然我不知道10.2和10.1会不会冲突,但是别傻傻地安装就是了。
conda install cudatoolkit=10.1
安装cudnn:(注意CUDnn要和cuda版本对应,怎么查对应呢,https://developer.nvidia.com/rdp/cudnn-download)
conda install cudnn==7.6.5