以这篇文章为主要【Win10 Anaconda下TensorFlow-GPU环境搭建详细教程(包含CUDA+cuDNN安装过程)】依据,再结合自己Google和他人blog。
首先放心吧,一步一步来,问题不大。
1、 Anaconda安装
Anaconda安个最新版的就行。我安的是 Anaconda3。
1.1 Anaconda下载
可以在官网下载,也可以使用清华的镜像。
1.2 Anaconda配置清华的源
参看这个Anaconda–设置国内镜像,还有什么自己Google一下吧,问题不大。
1.3 create一个虚拟环境,选择Python版本
【p.s.】按照郭耀华’s Blog的配置环境变量之后,cmd
无法使用conda
命令,不过在Anaconda Navigtor
里不影响,我就没管。
2、安装tensorflow_gpu
其他方法看blog,我是下载.whl
本地安装的。使用清华镜像,按照Python版本、64位自己选吧。
打开Anaconda Navigtor
,安装:
pip install F:\[地址]\tensorflow_gpu-1.2.1-cp36-cp36m-win_amd64.whl
一般来说没什么问题。
3、安装CUDA
3.1 查看需要安装的CUDA+cuDNN版本
3.2 知道CUDA和cuDNN之后下载安装就欧克。
【p.s.】在安装完CUDA之后,到官网下载与其版本对应的cuDNN,cuDNN解压之后会有三个文件夹:bin,include,lib。把文件夹里的文件依次添加到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
相应的文件夹里面,就欧克。
4、tensorflow_gpu测试
使用的是放下扳手&拿起键盘的代码。
import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
c = a+b
#注意:allow_soft_placement=True表明:计算设备可自行选择,如果没有这个参数,会报错。
#因为不是所有的操作都可以被放在GPU上,如果强行将无法放在GPU上的操作指定到GPU上,将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))
# --------------------
# 结果应该为 [2. 4. 6.]
完成!祝你好运,加油!
end