————————————————
在Anaconda里创建虚拟环境时,首先应选择正确的Python版本号。其次在进入该虚拟环境后,配置相应的Tensorflow-gpu和Keras的版本号,再配置其他相应工具包的相应版本号。最后,再安装对应版本号的CUDA和CuDNN,Anaconda会自动进行选择。
————————————————
CUDA+CuDNN安装:
CPU,GPU,CUDA,CuDNN简介。
GPU主要是针对图形显示及渲染等技术性能出众,而其中的根本原因是处理大量浮点数计算(例如矩阵算法)的能力强大。刚好CNN中涉及大量的卷积,也就是矩阵乘法等,所以GPU在这方面具有优势。
VS:
安装版本:Visual Studio Community 2019 16.8.0(专业版?)
绝对路径:C:\Program Files (x86)\Microsoft Visual Studio\2019\Community
CUDA:
安装版本:cuda_11.1.0_456.43_win10
绝对路径:C:\Users\ADMINI~1\AppData\Local\Temp\CUDA
第二个CUDA的绝对路径:
C:\Users\ADMINI~1\AppData\Local\Temp\CUDA
CuDNN:
安装版本:cudnn-11.1-windows-x64-v8.0.5.39
在虚拟环境crfrnn里用的是
Python = = 3.6
Tensorflow_gpu = = 1.7.0
Keras = = 2.1.0
Opencv = = 3.1.1(实为4.5.1.48)
Numpy = = 1.19.5
并加了CUDA9和CuDNN7。
Pillow-8.1.2
cached-property-1.5.2
h5py-3.1.0
————————————————
python --version
conda remove -n tf17 --all
conda install cudatoolkit=
conda install cudnn=
————————————————
conda create -n tf17 -y
conda create --name tf17 python=3.6
conda activate tf17
pip install tensorflow-gpu==1.7 -i https://pypi.douban.com/simple/
————————————————
import tensorflow as tf
tf.test.is_gpu_available()