安装TensorFlow-gpu 2.2的详细教程：血泪巨坑（包教包会）

最新推荐文章于 2024-06-04 17:27:42 发布

zyhsna

最新推荐文章于 2024-06-04 17:27:42 发布

阅读量1.1w

点赞数 30

分类专栏：遇到的错误文章标签： tensorflow python

本文链接：https://blog.csdn.net/zyhsna/article/details/107479965

版权

遇到的错误专栏收录该内容

8 篇文章 1 订阅

订阅专栏

安装教程

安装环境

window10、cuda10.1、cudnn-10.1、python3.7、GTX1050Ti、Intel i5-8300H

1.确认版本

注意，版本一定要对应，不然最后一定会出错，我就是装了n多遍

1.1安装TensorFlow-gpu

注意，我是有N卡1050TI才可以安装，只有N卡可以，其他显卡一律下载CPU版本，GPU版本训练起来会更快
我是在pycharm中安装的，这里就不提安装过程，安装完毕后到目录

Lib\site-packages\tensorflow\python\platform\build_info.py

查看所对应的版本，一定要看！！！一定要看！！！一定要看！！！一定要看！！！一定要看！！！一定要看！！！一定要看！！！一定要看！！！一定要看！！！一定要看！！！一定要看！！！一定要看！！！一定要看！！！一定要看！！！
在这里插入图片描述
另外需要注意的是，不同显卡的算力不同，所需要下载的TensorFlow版本也不同

对应的显卡算力版本可以高于，但绝不能低于。比如我是6.1的，那么我可以下高于6.1，但绝对不能下载低于6.1的

然后到NVIDIA官网上下载对应版本的CUDA和cudnn

1.2 安装CUDA和cudnn以及GeForce

确认好自己需要安装的版本然后到官网下载

1.2.1GeForce

首先是GeForce，网址：https://www.geforce.com/drivers直接选择最醒目的download now，不要选择manual search，这样可以很快捷，如果之前玩过游戏，下过GeForce experience 这个驱动程序就不用下了、

1.2.2CUDA

我要下载的是cuda10.1，https://developer.nvidia.com/cuda-toolkit-archive,到这个页面根据上面build-info内容下载对应版本，不要一昧的贪图最新版本，可能无法运行
下载完毕后点击安装
在这里插入图片描述

注意：一定要选择自定义，不然默认下到C盘，只要下载CUDA即可

1.2.3cuddn

和cuda一样，选择对应版本的cuddn下载，这是一个压缩包，解压缩到cuda一个磁盘中https://developer.nvidia.com/rdp/cudnn-archive

1.2.4环境变量的安装

在这里我推荐这边博文点我我当初就是按照这个步骤来的，如果在安装cuda时将所有东西安装在一个目录下，那么sample目录就是这个安装目录

1.3 测试

鸡冻人心时候到了，打开cmd，输入

nvcc -V

如果出现下图，那么说明安装成功，✿✿ヽ(°▽°)ノ✿
在这里插入图片描述

2.验证使用TensorFlow-GPU

在上文中提到，如果是GPU运算会比CPU快，那么我们到底是不是GPU运算呢？下面来验证下，打开pycharm，输入


import tensorflow as tf
tf.compat.v1.disable_eager_execution()
config = tf.compat.v1.ConfigProto(allow_soft_placement=True)

sess = tf.compat.v1.Session(config=config)
with tf.device('/gpu:0'):
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
    c = tf.matmul(a, b)
    print(sess.run(c))

TensorFlow2.2可直接拿来用，如果是1.x版本就不清楚了，这段代码将一段运算程序放到了GPU上运行，如果输出信息如下
在这里插入图片描述
也就是能得到结果，那么说明GPU运算可用！✿✿ヽ(°▽°)ノ✿
如果报错也别着急，先看看GPU是否可用

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")