官网找自已GPU显卡驱动下载
https://www.geforce.cn/drivers
官网找CUDA 10.0 toolkit下载(要自已注册一个帐号才能下载),建议下载 local exe版,重灌或无网时较方便
https:// developer.nvidia.com/cuda-toolkit-archive
官网找cudnn压缩包(要自已注册一个帐号才能下载) https://developer.nvidia.com/rdp/cudnn-download
解缩到路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 底下,并把活页夹名称改为cudnn
确认bin活页夹底下有cudnn64_7.dll动态库并添加至环境变量中的Path
配置国内源加速下载:
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/mainconda config --show channels
conda config --set show_channel_urls yes
tensorflow 2.0有个严重的bug在矩阵相乘运算,且不会回报error,建议直上2.1
conda install cudnn=7.6.0
conda install cudatoolkit=10.1.243
conda install tensorflow-gpu=2.1.0
进入Python测试安装完成且可成功调用GPU加速
import tensorflow as tf
tf.__version__
tf.test.is_gpu_available()
实测后最后会输出 “True” 代表调用GPU成功
※如果裝CPU版本運行後出現:错误提示为DLL load failed,说明缺少一些必须的DLL模块,可以尝试安装Microsoft Visual C++ 2015 Redistributable程序(如这里的介绍或者这篇博文)。
安装基本框架和库
conda install ipython
conda install pandas
conda install jupyter book
conda install pytorch torchvision cudatoolkit=10.1 目前無国內源,太慢先不裝了
或 conda install pytorch torchvision cudatoolkit=10.1 -c pytorch 使用国外官网源
conda install numpy
conda install Pillow
conda install scikit-learn
conda install matplotlib
conda install keras
如果有装成功,进Python验证
import torch
torch.cuda.is_available()
最后检查一下自已装了什么
conda list
如果都装好,建议整包压缩备份