【AI学习笔记】TensorFlow GPU版本的安装（超详细）

X.IO

已于 2022-11-29 20:27:00 修改

阅读量1.1w

点赞数 3

分类专栏：人工智能文章标签： tensorflow 人工智能学习

于 2022-11-29 20:24:57 首次发布

本文链接：https://blog.csdn.net/weixin_45954198/article/details/128076082

版权

18 篇文章 3 订阅

订阅专栏

1. 确认显卡是否支持CUDA

在安装之前，首先我们要确认现有的或预定要采购的独立显卡是否支持CUDA，具体操作如下：

在这里插入图片描述

查看显卡
打开任务管理器（Ctrl+Shift+Esc）——>“性能”——>点击“GPU”，即可查看显卡名称（下图右上角）

有了显卡名称就可以参考上图进行对照，查看是否支持CUDA。

当我们确认系统已经安装了支持CUDA的显卡之后，就可以安装CUDA了，具体步骤如下：

下载并安装CUDA
NVIDIA官网下载CUDA：https://developer.nvidia.com/cuda-downloads

注：Installer Type 两种安装方式的区别：
·exe(network)：下载时文件比较小，后续执行安装时再下载其余部分。
·exe(local)：下载时完整下载，后续执行安装时就不需要下载了。
设置解压缩安装程序的暂存目录

等待
同意协议并继续
选择精简安装
警告未安装 Visual Studio
CUDA 可以用 Visual Studio 开发。该界面警告未安装 Visual Studio。
由于我们后续使用Python来开发，所以不需要安装 Visual Studio。
下载 CUDA 界面
确认安装
安装完成

然后就是安装cuDNN，具体如下：

下载 cuDNN
NVIDIA官网下载cuDNN：https://developer.nvidia.com/cudnn 。
加入会员
下载cuDNN必须先成为加速计算机开发者计划的会员。
进入下载页面
加入会员并且登录后，进入下载页面。
查看下载后的文件
下载后的文件是一个ZIP压缩文件，在Windows10中可直接解压并打开。

将其改名为“cuda”

·然后将cuda放置一个合适的位置，如果不知道怎么放可以参考步骤5
复制到其他目录
这里我直接将cuda放置在了我的D盘中的一个目录下。
查看cudnn64_8.dll
在D:\CS\Code\Jupyter\cuda\bin中（即 …/cuda/bin目录中)可以看到cudnn64_8.dll。这是动态链接程序库，其他程序会通过此链接库来使用cuDNN的功能。

为了让 Windows 系统知道所安装 cuDNN 的目录，必须设置Path环境变量，这样其他程序才能通过这个设置来存取 cudnn64_8.dll

在这里插入图片描述

重新启动 “命令提示符” 程序，并切换到工作目录。
在 Anaconda 建立 TensorFlow GPU 虚拟环境
·创建命令：conda create --name tensorflow-gpu python=3.9 anaconda

按 y 键之后，就会开始安装Anaconda 虚拟环境，并且安装各个软件包。安装完成后屏幕显示界面如下：

命令	说明
conda create	建立虚拟环境
–name tensorflow-gpu	虚拟环境的名称是tensorflow-gpu
python=3.9	Python版本是3.9
anaconda	加入此命令选项，建立虚拟环境时，也会同时安装其他Python软件包，例如 Jupyter Notebook、Numpy、SciPy、Matplotlib、Pandas，用于进行数据分析

接下来，在TensorFlow GPU 虚拟环境中安装TensorFlow GPU版本
·安装命令：pip install tensorflow-gpu
在这里插入图片描述

然后是安装Keras
·安装命令：pip install keras
在这里插入图片描述

在本篇我们主要介绍了如何安装CUDA、cuDNN，建立了TensorFlow GPU虚拟环境，并且在虚拟环境下安装了TensorFlow GPU版本与Keras。

补充：
如果第4步：安装TensorFlow GPU版本不太理解，可以参考TensorFlow CPU版本在Anaconda 虚拟环境中的安装。
具体可参考：【AI学习笔记】TensorFlow 与 Keras的安装（Windows Anaconda 虚拟环境版）

对于在TensorFlow GPU虚拟环境中测试GPU的强大功能，我将在后续持续更新。

关注