Andaconda的安装
Andaconda的安装比较简单,大家可以去搜一下教程。
Andaconda清华镜像站:大家可以下载自己想要的版本。
Tensorflow-gpu版本的下载安装
andaconda安装完成之后只有一个(base)环境,这时要创建一个新的环境(tensorflow-gpu):
此时首先要查看一下可支持的python版本:
conda search --full-name python
可以看到我的andaconda只支持python3.6.2以前的版本,所以在创建环境时python的版本不能超过3.6.2。
创建环境
conda create --name tensorflow-gpu python==3.6.2
激活环境:
activate tensorflow-gpu
此时在命令行的首部会出现(tensorflow-gpu),证明环境已经激活。
下载tensorflow(gpu):(默认的情况下会下载最新版本)
pip install tensorflow-gpu
下载比较慢的话,可以修改一下Pip的源:
pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple/
如果一切没有问题的话tensorflow(gpu)已经安装好了,可以在tensorflow-gpu的python 中测试:
import tensorflow
安装GPU运行库
对于GPU版本的tensorflow来说,因为调用了Nvidia显卡运行代码,因此需要安装Nvidia提供的运行库(GPU加速工具)。GPU的加速工具有两个:CUDA和CUDNN.
下载
1、进入NVIDIA官网下载所用的显卡的驱动程序并安装
显卡驱动程序
控制面板-硬件和声音-NVIDIA控制面板:
可以根据自己电脑的显卡安装驱动程序。
2、下载运行库最主要的是版本的对应问题。
首先查看电脑的显卡(Nvidia)支持cuda的版本。
控制面板-硬件和声音-NVIDIA控制面板-帮助-系统信息-组件。
可以看到cuda的版本不能超过11.0,这是电脑硬件。
此时需要看tensorflow的版本与cuda版本的关系。
可以看到cuda的版本为11.0,cudnn的版本为8.0
cuda下载连接
大家可以根据自己的需求下载相应版本和选项。
cudnn下载
这个下载需要账号可以先申请账号。
安装
驱动、cuda、cudnn安装的过程都是默认路径.对于cuda和cudnn安装完后需要把cudnn中的bin、include、lib\x64文件夹的文件复制到cuda的相应文件夹中。
cuda安装后的路径:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0 。
测试
在命令行中输入nvidia-smi,结果如下表示安装成功了。
也可以在python控制台输入:
import tensorflow as tf
tf.test.is_gpu_available()
#返回值为True,证明可以使用gpu
参考
Windows 10上安装Tensorflow 2.4(GPU版)
NVIDIA显卡驱动版本,CUDA版本,cudnn版本之间关系及如何选择
备注:
与tensorflow2.4.1相应的版本(cuda11.0,cudnn8.0)由于文件较大,放到网盘中,欢迎大家下载,提取码:xp6t
自己下载的话一定要记得版本的对应。
有什么问题可以留言,希望大家共同学习,共同进步。