win10+NVIDIA GeForce Mx150 安装tensorflow-gpu-1.12.0

Tensorflow 专栏收录该内容
1 篇文章 0 订阅

预览

本想安装tensorflow-gpu 2,但是安装之后总是报错,之后发现是tensorflow-gpu版本太高,降低为1.12.0之后就可以了。

  • 配置
    显卡NVIDIA GeForce Mx150
    驱动程序版本:388.73
    cuda driver版本9.1.126
  • 下载的文件
    在这里插入图片描述
  • 主要模块版本
    vs2017
    cuda 9 [cuda_9.0.176_win10.exe]
    cudnn 7 [cudnn-9.0-windows10-x64-v7.6.5.32.zip]
    Anoconda3 [Anaconda3-2019.10-Windows-x86_64.exe]
    python3.6
    tensorflow-gpu 1.12.0

1、笔记本配置

  • vs2017

  • 显卡NVIDIA GeForce Mx150
    驱动程序版本:388.73
    cuda driver版本9.1.126

查看方式:
在这里插入图片描述
桌面右键->NVIDIA 控制面板
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2、安装

首先明确版本对应关系【重要】

  • CUDA版本、英伟达 驱动版本对应关系
    在这里插入图片描述
    我电脑驱动程序版本:388.73,所以选择CUDA9.0

  • tensorflow-gpu、python、CUDA、cuDNN版本对应关系
    在这里插入图片描述
    CUDA9最多对应tensorflow-gpu-1.12.0,python3.6,cuDNN7。

2.1 cuda 9 [cuda_9.0.176_win10.exe]

https://developer.nvidia.com/cuda-toolkit-archive官网下载
选择cuda toolkit 9.0
在这里插入图片描述
在这里插入图片描述

  • 双击下载的exe文件,选择自定义安装(安装cuda截取的是视频中的图)
    在这里插入图片描述
  • 对于CUDA下的Virtual Studio Integration,去掉勾。没有安装virtual studio一定要去掉勾,安装了vs也可以去掉。我选择去掉。【重要】
    在这里插入图片描述
  • 对于Driver component下的Display driver,如果新版本大于等于当前版本可以打钩安装,如果新版本小于当前版本绝对不能打钩安装,如果没有安装驱动一定要打钩安装。此处我选的是不打勾,我的电脑上没有显示当前版本号,比较新版本和驱动程序版本:388.73之后,我选择了不打勾。【超级重要】
    在这里插入图片描述
  • 对于NVDIA GXXX,没有作用,选择不打勾
    在这里插入图片描述
  • 环境变量记录(应该不需要手动添加环境变量)
    自动增加环境变量
    在这里插入图片描述
    在这里插入图片描述
    path完整情况
    在这里插入图片描述
    手动增加了用户变量Path值 添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin;
    在这里插入图片描述
    手动增加了.DLL,可能没用
    在这里插入图片描述

2.2 cudnn [cudnn-9.0-windows10-x64-v7.6.5.32.zip]

https://developer.nvidia.com/rdp/cudnn-download官网下载,需要注册,选择和CUDA符合的版本,即for CUDA 9.0
在这里插入图片描述
下载完之后解压
在这里插入图片描述
之后把cudnn的3个文件拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
在这里插入图片描述
在这里插入图片描述

2.3 anoconda [Anaconda3-2019.10-Windows-x86_64.exe] python3.6

清华Anoconda镜像 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive
点一下按时间排序
在这里插入图片描述
拉到最后找到最新版本的windows的Anoconda
在这里插入图片描述
双击exe安装anoconda
注意选择自动添加环境变量
在这里插入图片描述
安装成功之后
在这里插入图片描述

在Anoconda中创建一个环境

进入cmd

  • 修改Anoconda的源为清华的
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
  • 创建1个环境,名称为tensorflow-gpu,python版本为3.6
conda create -n tensorflow-gpu python=3.6

envs下出现新的环境
在这里插入图片描述

2.4 tensorflow-gpu 1.12.0

  • 激活并进入新创建的环境
conda activate tensorflow-gpu
  • 在新创建的环境中安装tensorflow-gpu(用清华的源)
pip install tensorflow-gpu==1.12.0 -i  https://pypi.tuna.tsinghua.edu.cn/simple
  • 注意此处必须用tensorflow-gpu==1.12.0,如果用pip install tensorflow-gpu,则安装之后,在import tensorflow as tf 时会报错。
    在这里插入图片描述
    在这里插入图片描述

2.5 在pycharm中使用tensorflow

  • 在项目的setting中配置对应的Project Intepreter(项目编译器),选择Anoconda中创建环境的python.exe即可。
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
  • 测试
import tensorflow as tf

print(tf.__version__)
print(tf.test.is_gpu_available())
# 使用TensorFlow输出Hello

# 创建一个常量操作( Constant op )
# 这个 op 会被作为一个节点( node )添加到默认计算图上.
#
# 该构造函数返回的值就是常量节点(Constant op)的输出.
hello = tf.constant('Hello, world!')

# 启动TensorFlow会话
sess = tf.Session()


# 运行 hello 节点
print(sess.run(hello))
sess.close()

结果:

C:\Users\NFTC\Anaconda3\envs\tensorflow-gpu\python.exe C:/Users/NFTC/PycharmProjects/tensorflow-projects/hello.py
1.12.0
2020-02-07 01:04:21.737456: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2020-02-07 01:04:22.785635: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] Found device 0 with properties: 
name: GeForce MX150 major: 6 minor: 1 memoryClockRate(GHz): 1.5315
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.63GiB
2020-02-07 01:04:22.786553: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0
2020-02-07 01:04:25.199960: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] Device interconnect StreamExecutor with strength 1 edge matrix:
2020-02-07 01:04:25.200187: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988]      0 
2020-02-07 01:04:25.200315: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0:   N 
2020-02-07 01:04:25.205147: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/device:GPU:0 with 1380 MB memory) -> physical GPU (device: 0, name: GeForce MX150, pci bus id: 0000:01:00.0, compute capability: 6.1)
True
2020-02-07 01:04:25.241036: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0
2020-02-07 01:04:25.241258: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] Device interconnect StreamExecutor with strength 1 edge matrix:
2020-02-07 01:04:25.241453: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988]      0 
2020-02-07 01:04:25.241570: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0:   N 
2020-02-07 01:04:25.241728: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1380 MB memory) -> physical GPU (device: 0, name: GeForce MX150, pci bus id: 0000:01:00.0, compute capability: 6.1)
b'Hello, world!'

Process finished with exit code 0

可能存在的问题


tensorflow的 【 CUDA driver version 】 is insufficient for 【CUDA runtime version】 问题

参考&致谢


安装步骤
网易云 深度学习与TensorFlow 2入门实战
https://blog.csdn.net/qq_41760767/article/details/97444053
https://blog.csdn.net/xiaohuihui1994/article/details/83589701
https://blog.csdn.net/huahuazhu/article/details/89282173
https://blog.csdn.net/gongxsh00/article/details/81318404
查错
https://blog.csdn.net/pkxpp/article/details/88925868
https://blog.csdn.net/b657938016/article/details/101700648
添加链接描述
版本对应关系
https://jingyan.baidu.com/article/d5c4b52bb93db6da560dc53b.html
https://www.cnblogs.com/superxuezhazha/p/10623270.html
修改pip和conda的源
https://blog.csdn.net/xd_wjc/article/details/80588343

  • 0
    点赞
  • 1
    评论
  • 8
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

©️2021 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页
实付
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、C币套餐、付费专栏及课程。

余额充值