Win10上搭建TensorFlow（GPU版本）——学习笔记

最新推荐文章于 2024-05-11 10:18:01 发布
最新推荐文章于 2024-05-11 10:18:01 发布
阅读量1.1k 收藏 6
点赞数 4
分类专栏： 项目环境搭建 文章标签： Win10上搭建TensorFlow（GPU版本）——学习笔记 TensorFlow GPU 学习笔记 Win10
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43522055/article/details/99487242
版权

笔记前言

First，响应项目需要，开始着手搭建tensorflow开发环境。Hmmm，作为一个对搭建环境几乎是零基础的人，在几天的学习里，在WW和他朋友的帮助下，相对比较顺利（就是网速比较慢 ）地搭完了环境~（ 撒花嘿嘿嘿 q(≧▽≦q) ）
Then，为了方便以后自己查阅相关笔记，所以对期间的学习过程和遇到的问题做了一份（也是第一份 ）在我看来较为详细的学习笔记，当然如果这份小笔记能帮助到别人那就更好啦 ~

PS：

  1. 博文多数引言，均摘录于WW的（我觉得比较通俗易懂的 ）指点迷津；
  2. 初学者笔记略显拙劣，不到之处请各路神仙多多包涵和指教 ~ ~

关于搭建

1. 本次搭建的环境没有安装Anaconda（一不必要，二我不太会，三我懒）
以下摘录自WW原话。

原本，我们的python是具有一个系统自带的python2代版本。而我们使用的pip命令，优先是使用系统自带的二代的pip命令。想要使用三代的pip，还有64位和32位不同管理等的问题，特别麻烦。
相对于此， Anaconda提供了python各种版本环境分别管理（以及一键安装某版本），检测系统中存在的python，划分出不同的虚拟环境，并且，将各源的包整合了，也就是说，在Anaconda中，存在了pip2、pip3（64）、pip3（32）里所有的包，所以，只需要在命令行输入 conda install 就可以代替 pip install 。
所以说Anaconda自己就是一个大环境，用Anaconda会很方便地搭其它环境。
“但是不建议新手在大环境下搭建小环境。”（嗯，比如我）

Thus，按我现在的理解，Anaconda就是一个整合了各种版本的python的虚拟环境搭建平台工具，类似于【VM虚拟机】这样的软件类工具。

2. 没有安装Anaconda，那我是怎么搭出来的？
很简单，我就是用了下载的py3，而合理地使用了py3下的pip命令，从而避开了使用py2下的pip命令。

3.关于TensorFlow的两种版本的简单记录

TensorFlow分为CPU和GPU两种版本，其本质是一个可被程序引入的库文件，类似于C语言的 stdio.h 、 stdlib.h 之类的。TensorFlow内部定义了一些函数 constant、add等 ，都具有固定的使用格式，用多了自然就熟悉了，像C语言里面的函数一样，引入相关的头文件后，直接使用即可。
CPU版本和GPU版本的TensorFlow的包，包里的同名函数，格式和功能都是一样的。
区别在于，GPU版本的函数，会将函数中计算复杂的部分，丢到显卡中去计算。这样会很大程度上加快计算。

提问：“那到底怎么加快运算呢？”（所以我咨询了老师和参考了一些博文）
举个栗子：

“我自己的电脑上测试过，CPU版计算同一个问题，大概需要花费GPU版16倍的时间。”

那假设，如果本身使用GPU版都需要一天一夜那种计算量的话，那就可以想想CPU版得花多长时间哇？？？（不敢想不敢想）

4. 对于TensorFlow(GPU)的一些学习笔记

GPU版本的安装则需要先安装一些前置的框架，NVDIA品牌的显卡对应的框架，名为CUDA(统一计算设备架构)。
“TensorFlow（GPU）+ CUDA ，可以满足大部分项目的需求了。”

CUDA:
允许CPU将复杂的计算，丢到GPU上，并在计算结束后从GPU上读取计算结果。TensorFlow（GPU）包里的函数，一般都支持CUDA。但是，不同版本的TensorFlow可能会和不同版本的CUDA存在兼容性问题，所以在安装之前要查清楚，下载的这两个版本是否兼容。

CUDNN:
CUDNN是CUDA的深层神经网络加速库。这个库不是给你的程序引用的，是由CUDA来引用。所以安装好CUDNN，然后重新配置一下CUDA的环境，就可以对CUDA进行加速了。可以理解为，CUDNN是CUDA的一个补丁。打了这个补丁的CUDA，被TensorFlow引用时可以更有效率地完成计算。而CUDNN对计算的提速将近一倍。

总结上述关系：
——> 程序需要引用TensorFlow（GPU）
——> TensorFlow需要CUDA框架作为环境
——> CUDA可以引用CUDNN进行提速

搭建流程

  1. 确认显卡驱动版本，根据版本，下载兼容的CUDA版本
  2. 根据需要，将CUDA的某些路径写入到系统环境变量
    （一般网上都有教程，按照教程来即可）
  3. 安装cuDNN，并配置给CUDA
    （补丁通用的方式是扩充和引用，具体哪种按照你自身的教程来）
  4. 安装tensorflow-gpu
  5. 运行一段包含TensorFlow包的示例代码，确认能够运行
    （大部分教程均有教如何测试TensorFlow安装结果的，按照教程测试即可）

关于搭建的那些事儿

一、我的环境
操作系统：win10
GPU：MX150+CUDA10.0+cuDNN
IDE：Pycharm（一种Python IDE）
框架：tensorflow-gpu
解释器：Python3.6

二、安装顺序

1、查看版本
控制面板 -> 硬件和声音 -> NVDIA控制面板 -> 帮助 -> 系统信息

详情可见： https://blog.csdn.net/weixin_43522055/article/details/99595641

2、下载相应适合的CUDA版本：CUDA10.0

官网下载：https://developer.nvidia.com/cuda-10.0-download-archive

First，在下载的页面，我是这样选择的：
在这里插入图片描述
这是源于一位大佬实践过的推荐，据经验介绍：
“刚开始第四行选择的是右边的那个 【即选择了：exe(local)】，但是下载下来安装不了 【具体原因未知】，百度查到是电脑缺少什么压缩软件，所以建议选左边的那个。”
“所以我就选了左边那个啦！”【我是不是很乖 ( 假的 ) 】

Then，只需要选择下图的base installer即可。
在这里插入图片描述
Okay，我们打开下载好的CUDA10.0开始安装，刚开始的安装程序存放位置，自己随意就好，以下展示的是默认路径。
【别问，问就是我比较懒 而且我觉得叭，如果C盘能接受一个多G，不如直接安装在默认路径，防止老出问题之类的 不然又要折腾了hhh，反正你开心就好 】
在这里插入图片描述
All right，下一步会检测系统兼容性，貌似有些显卡是不支持GPU的，所以需要事先查清楚。
在这里插入图片描述
Next，接受协议后等待安装即可。【大功告成？？？远着呢 】
在这里插入图片描述
PS：
安装模式方面，我选择的是精简安装。而，程序默认的精简模式可以理解为安装所有东西。【比如包括VS以及显卡驱动】建议根据需要，选择合适的安装模式。

安装完成之后，下一步需要 配置环境变量。(这个很重要)
参考了比较多的博文后，以下给出如何配置环境变量：

不急，首先，我们先查看系统变量：
【电脑属性 -> 高级系统设置 -> 高级 -> 环境变量 -> 系统变量】
如果安装成功呢，系统变量会多出两个为：
在这里插入图片描述
然后，还需要添加几个系统变量：
【以下均为默认路径，如果自己路径设置安装成功的话，就用自己的路径啦】
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

添加好之后应该像下面这样：
在这里插入图片描述
下一步呢，我们在系统变量PATH里添加东西：
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
【注意以下均为默认路径，有需要的话自行修改噢】
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\common\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64

添加好之后应该像下面这样：
在这里插入图片描述
添加完之后呢，CUDA就算是安装完成啦(≧∇≦)ﾉ。
接下来，我们可以检验是否安装成功。

打开默认路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite
Then，分别执行命令：bandwidthTest.exe、deviceQuery.exe

如果分别返回以下结果：
在这里插入图片描述
在这里插入图片描述
则代表CUDA10.0安装成功。【激动！ 】

3、cuDNN的选择和安装

在官网上下载搭配CUDA10.0的cuDNN，但是注意下载时候需要注册英伟达的账号才能下载，注册什么的比较简单啦，略。

【我看见有博文写到，下载时候出现网页速度较慢的情况，建议从CSDN上找资源来下载 但是我下的时候比较快，所以这个自行决定就好~ 】

官网上cuDNN的各种版本：https://developer.nvidia.com/rdp/cudnn-archive

下载好之后，解压，分别将 【.h、.lib、.dll 】文件分别拷贝到CUDA对应的【include, lib/x64，bin 】文件夹下即可。

4、安装TensorFlow（GPU）

这个其实就比较简单，TensorFlow（GPU）的安装其实只需要打开cmd，输入pip install tensorflow-gpu，即可。
【根据提示可能需要你升级一下pip，仔细阅读报错提示，自行解决问题即可。】

如下图，大概就是长这个样子：
在这里插入图片描述
可能有点小久，网速一定要给力，安装好之后，怕不是会泪流满面。不，我没有

5、测试TensorFlow是否安装成功
既然都装完啦，肯定要测试一下嘛，对吧~ ~ ~
然后，其实很多博文其实都会有给出测试栗子啦，这里我给出一个很普遍的栗子 ~

我的测试用例：https://blog.csdn.net/weixin_43522055/article/details/99617967

★关于安装CUDA时图片版本为10.1的解释★
安装的时候我尝试了两个版本，第一次下的是10.1，但是由于缺乏了某个文件，所以重下了一次。然而第二次下的是10.0版，由于重下的时候我忘了截图 我健忘
，所以我沿用了10.1版的图。但是其实内容几乎是一样的，只需要把10.1的部分换成10.0即可，其他都不变，感谢体谅~

首次配置TensorFlow（GPU），希望能够帮到有需要的你 ~
小白一枚，文字略显拙劣，有错误欢迎提出~

瓶子Amme
关注
  • 4
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Win10下Tensorflow+GPU的环境配置
huanxiajioabu的博客
06-02 565
注：如果想要对安装包进行更新，可以切换盘符到Anaconda安装目录输入conda list 就可以查询现在安装了哪些库，初次安装的包一般比较老，为了避免之后使用报错，可以输入 conda update --all 命令，把所有包进行更新，在提示是否更新的时候输入 y（Yes）让更新继续，等待完成即可。本文主要记录了Win10下，Cuda9.0、Cudnn7.3.1、Tensorflow-gpu1.13.1、python3.6.8、Keras的安装过程。分别在网站上下载对应的版本，安装即可。
Win10最详细tensorflow-GPU环境的安装（安装anaconda、CUDA、CUDANN）
牧子川的博客
11-29 4546
一、准备工作 1、确定自己的电脑上能够配置GPU环境。 方法：打开控制面板，找到设备管理器 找到显示适配器，查看GPU算力，可以根据显卡算力下载相应Cuda和cudnn 查看GPU的型号以及算力https://developer.nvidia.com/cuda-gpus 小技巧：对于现在的电脑，一般来说都是由GPU环境的，也是可以使用GPU的。所以这一步就不是很重要，接下来的一步就非常非常重要 2、在Tensorflow官网找到对应的版本 tensorflow官网链接：在......
【简洁！一步步带你安装Windows11下GPU版本的tensorflow2.6.0和pytorch2.3.0】
最新发布
qq_44341167的博客
05-11 1149
最近换了台电脑，重新配置了深度学习环境。经一番周折，发现安装tensorflow也能像pytorch一样简单。以前总是要手动去安装CUDA和cuDNN，不同环境需要的不同CUDA版本都下在本地，甚是麻烦。这次了解到并不需要安装全部的CUDA，并且conda可以直接下载，这样安装步骤就十分简洁了！
tensorflow-gpu版本安装教程（过程详细）
热门推荐
qq_43215538的博客
03-30 12万+
在开始安装前，如果你的电脑装过tensorflow，请先把他们卸载干净，包括依赖的包（tensorflow-estimator、tensorboard、tensorflow、keras-applications、keras-preprocessing），不然后续安装了tensorflow-gpu可能会出现找不到cuda的问题。 cuda、cudnn。...
Win10+TensorFlow-GPU详细安装教程
12-04
Win10 64位+TensorFlow-GPU+CUDA9.2+CUDNN7.4.1深度学习的GPU框架详细安装教程
win10下安装tensorflow-gpu-1.9.0
zeng_haoyu的博客
07-29 6409
换新电脑了，所有以前的环境又需要再重新安装配置一次，于是就决定从头开始安装tensorflow-gpu，因为tensorflow前不久才更新，为了与时俱进，这一次演示的版本就是1.9啦。在写这篇博客的时候我还没开始安装，但是凭借以前的经验，对大致的流程还是比较熟悉的，不过，还是有可能会翻车。我会尽可能的一步一步的详细演示，闲话不多说，下面开始正文。 首先介绍我的电脑：Dell precision...
python tensorflow-GPU 2.6.0 版本学习笔记
03-05
特别是对于GPU支持的版本，如TensorFlow 2.6.0，它能够利用图形处理器的强大计算能力加速深度学习模型的训练过程。以下是对这个学习笔记中可能包含的关键知识点的详细解释： 1. **TensorFlow基础**： - **张量...
Win下搭建tensorflow的GPU版本
12-15
Win10下搭建tensorflow的GPU版本 CUDA8.0+CUDNN5.1
Win10_64位下搭建TensorFlow-GPU版本的环境
12-01
win10_64位 + tensorflow GPU版 + python3.6 + CUDA8 +Cudnn6
tensorflow GPU 环境搭建（win10 + GTX 1060）
01-20
Win10 + GTX 1060 安装显卡驱动 首先安装 显卡驱动： https://www.nvidia.cn/Download/index.aspx?lang=cn 按自己的GPU型号和操作系统去选择驱动版本，下载类型选择 Studio 下载后的驱动文件： 直接运行即可。 ...
win10安装tensorflow-gpu1.8.0详细完整步骤
09-18
主要介绍了win10安装tensorflow-gpu1.8.0详细完整步骤，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下
windows10 tensorflow_gpu环境搭建
08-08
windows10 tensorflow_gpu环境搭建教程
CUDA9.1：用于win10中安装tensorflow-gpu
04-10
由于cuda9.1资源太大，所以只好通过百度网盘分享，文档中是链接和密码，如果失效，请联系我，留下邮箱。文档中是CUDA9.1版本，官网下载不下来，在这里分享一下，有需要的朋友可以从这里下载。有需要cuda9.0以及cudnn7.1的朋友可以从我的其他博客中下载，windows中安装tensorflow-gpu的详细教程也在本人其他的博客中，过程很详细哈哈，上个资源我只想要2积分，很奇怪系统定了5积分。。。不过资源肯定好用，本人使用的。
Win10下TensorFlow(GPU version)安装详解
McGregorWwww的博客
02-16 1万+
对于TensorFlow GPU版的安装，作为一个小白，我很是心累。看了很多前辈的博客，开始了自己的瞎搞之旅。首先我按照一位前辈的博客，下载安装了cuda 9.1以及cuDnn 8.0（前辈给的链接是9.1），然后将cuDnn解压到了指定的目录下，并更改了path环境变量，弄完这些后，我打开了anaconda；在anaconda中，建好了gpu环境，安装了tensorflow-gpu，输入impo...
windows系统跑gpu版的tensorflow（用gpu运行程序）
weixin_43886213的博客
07-19 7311
1.安装好所有的工具，在代码主要部分前面加上os.environ[“CUDA_VISIBLE_DEVICES”] = '0’如果失败 用win+R打开运行界面输入cmd，将路径位于C:\Program Files\NVIDIA Corporation\NVSMI\nvidia-smi拖到cmd界面里，回车查看gpu的信息 2.安装gpu版tensorflow时 遇到ImportError: Co...
Windows11下使用Virtualenv虚拟机方式安装tensorflow-gpu并在PyCharm中使用配好的环境编译项目
spongeeric的博客
01-21 1618
（敝人初学python，如有错误之处还请谅解指正） 背景：从网上下载到的python项目使用的库不一样，或用到的库版本不一样，如果使用一个环境，需要根据需求不断的更新或卸载相应的库。使用Virtualenv虚拟机可以为每个项目建立专用的环境，使他们可以同时运行，方便管理。 方法： 一、Virtualenv虚拟机方式安装tensorflow-gpu ①安装Virtualenv虚拟机 pip install virtualenv ②建立新的虚拟环境。如以下指令是在当前路径下建立一个名为tf2-gp
简单安装tensorflow-gpu（GPU版tensorflow）
H_O_W_E的专栏
08-18 4274
网上介绍的大多很复杂，又喜欢用到pip啊pip3之类的。 结合我个人的实际情况，备忘一下： 1，用anaconda安装，只需要一句就行了： conda install tensorflow-gpu 特别说明：( 先用source activate激活环境，它会根据python版本来安装对应的tensorflow版本 )  2，安装librosa conda instal
windows系统下安装TensorFlow（GPU版）
qq_37277944的博客
09-16 3万+
  说明：只有NVIDIA显卡才支持用GPU跑TensorFlow。在https://developer.nvidia.com/cuda-gpus查询GPU是否支持CUDA，一般要计算能力在3.0以上才适合。   1，CUDA下载： CUDA(Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出...
win10如何安装tensorflowgpu2.6版本
10-16
首先，你需要确保你的电脑符合tensorflow-gpu的要求，包括显卡型号、CUDA和cuDNN版本等。然后，你可以按照以下步骤安装tensorflow-gpu 2.6版本： 1. 安装CUDA和cuDNN 下载并安装CUDA 11.2和cuDNN 8.1.0，注意要选择与你的显卡和操作系统对应的版本。 2. 创建虚拟环境 打开命令行窗口，输入以下命令创建一个名为“tf-gpu”（可以自定义）的虚拟环境： ``` conda create -n tf-gpu python=3.8 ``` 3. 激活虚拟环境 输入以下命令激活虚拟环境： ``` conda activate tf-gpu ``` 4. 安装tensorflow-gpu 输入以下命令安装tensorflow-gpu 2.6版本： ``` pip install tensorflow-gpu==2.6 ``` 5. 验证安装 在命令行窗口中输入以下命令验证tensorflow-gpu是否安装成功： ``` python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))" ``` 如果输出了一个随机数的和，则说明tensorflow-gpu已经成功安装。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值