TensorFlow GPU版环境搭建
如果你之前那有尝试过安装CUDA和tensorflow-gpu,但是没有留意到cuDNN,可直接看cuDNN的安装。
首先要了解显卡性能及支持的CUDA版本
查看版本:
nvcc --version
查看支持的最高版本版本:
nvcc --version
查看CUDA和cuDNN与tensorflow-gpu对应的版本
链接:https://tensorflow.google.cn/install/source_windows
确定好自己需要下载的版本信息
开始安装
这里我选择的版本:CUDA 11.2,cuDNN 8.1, tensorflow-gpu 2.6.0
安装CUDA
下载地址:https://developer.nvidia.com/cuda-toolkit-archive
选择自己需要的版本下载
笔者使用的是Windows10在线安装
安装cuDNN
下载地址:https://developer.nvidia.com/cudnn
cuDNN的下载需要注册,这里就不演示了。可以注册下载也可以寻找其他资源。
cuDNN v8.1阿里云盘
将解压的cuDNN文件复制到安装CUDA下
展示CUDA最后bin目录下的文件
安装tensorflow-gpu
笔者使用的是PyCharm创建的python环境
pip install tensorflow-gpu==2.6.0 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
安装完成后可测试代码是否能调用GPU
import tensorflow as tf
if tf.test.gpu_device_name():
print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
print("Please install GPU version of TF")
可以调用GPU