Win10+CUDA10.0.130+cudnn7.4.1+tensorflow1.13.1+anaconda3 5.2.0+GTX1060

Win10+CUDA10.0.130+cudnn7.4.1+tensorflow1.13.1+anaconda3 5.2.0+GTX1060

    安装环境:

    系统:win10 1803

    显卡:GTX1060

    笔记本:微星GL63

 

    我是参照下面博客,完成了CUDA10.0.130+cudnn7.4.1+anaconda3 5.2.0

这个博客讲的非常非常非常详细,简直是全程录像级别的。

    引用博客1(非常感谢):

https://blog.csdn.net/qq_36368388/article/details/89406838

 

    我的安装顺序:

    (1)Anaconda3 5.2.0

    (2)vs2013安装和显卡驱动安装

    (4)参照上面的博客安装CUDA+cuDNN

    (5)进入anaconda创建python3.6.8环境,参照博客1安装tensorflow-gpu版,只不过博客是tf2.0的我是1.13.1。

 

    下面是我的安装过程详细以及对博客1的自己的补充:

一、安装anaconda

    我自己之前安装了anaconda3 5.2.0,我忘了我是怎么装的了,反正网上教程多的很,随便找个是了。

    我主要补充下,安装完毕后,要添加国内镜像,否则更新下载很慢。

    anaconda安装完毕的接下来的配置

    1.1配置国内镜像

    anaconda安装完毕,找到Anaconda prompt,加入镜像地址,完成配置:

这是清华的镜像(要停止服务了):

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/main/

conda config --set show_channel_urls yes

 

    同样,其他国内镜像如下:

 阿里云                   http://mirrors.aliyun.com/pypi/simple/

还有其他的网上搜下。

 

    添加命令和上面一样,只需替换网址就行了。

注,目前国内镜像源已经要停止服务了,停止后只能用官方源了,慢的太狠了。

1.2接着要更新anaconda了

在Anaconda Prompt中输入:

(1)更新 conda update --prefix path(你的anaconda安装目录路径)

或者采用这个命令,一样的效果:conda upgrade --all

(2)搜寻python版本conda search --full-name python

(3)创建python环境conda create -n py3 python=3.6.8(这个版本号最好和你下载的anaconda自带的python版本一致,这样它不用再下载直接安装了)

(4)进入python环境conda activate py3

(5)退出环境conda deactivate

    注意:主要是第1步和第2步,这2个命令的效果我感觉是一样的,更新anaconda所有包和它自身,具体我也不太懂,反正更新完,你创建环境啥的都木有问题了,否则可能出现什么乱七八糟的问题,就不知道了。另外如果之前不配置国内镜像,那你更新的速度那简直是比乌龟还慢。这也是推荐配置国内镜像源的原因。当然国内镜像源停止服务后就麻烦了,更新好难好难,不知道该咋办。

 

到此,anaconda安装和环境配置暂告一段落。

 

二、VS2013安装和显卡驱动安装

    3.1 VS2013安装

    网上有说装VS2015或VS2017的,我就装VS2013咋地了?(我有VS2015我就不装!),看官网要求https://docs.nvidia.com/cuda/archive/10.1/cuda-installation-guide-microsoft-windows/index.html:

Win10+CUDA10.0.130+cudnn7.4.1+tensorflow1.13.1+anaconda3 5.2.0+GTX1060_第1张图片

    支持VS2013不就完事了,我就用着2013顺手,后面有需要再装2015。

 

    3.2 显卡驱动安装

         这个也是纠结点,但是了解了就没必要纠结了。下面有个表格来自官网:

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

Win10+CUDA10.0.130+cudnn7.4.1+tensorflow1.13.1+anaconda3 5.2.0+GTX1060_第2张图片

这个表格的仅做参考,因为发现高版本可以装到低版本驱动的,因为会替代低版本驱动的。

    装哪个驱动呢?

    第1,网上有说查看显卡支持哪个CUDA,就是打开控制面板,搜nvidia(我打一个n)就出来nvida显卡控制面板,双击打开,帮助——系统信息——组件——NVCUDA.DLL

如下图,举个例子,这个就能看到当前你的显卡驱动支持的CUDA版本,我这个截的老电脑的图,它只支持CUDA3.1.1跟不支持CUDA有何区别?!

 

Win10+CUDA10.0.130+cudnn7.4.1+tensorflow1.13.1+anaconda3 5.2.0+GTX1060_第3张图片

    注意:这个瞎扯淡,不是重点,因为你驱动装的高了,支持的CUDA版本就越高,所以查这个只能看当前你电脑装的显卡驱动是啥版本,这个版本对应的CUDA版本是啥。你一旦升级或者降级驱动,这个CUDA版本就又变了。

    第2,先卸载显卡驱动再装CUDA,我没试过,应该是可以的。——反正CUDA离线版自带显卡驱动会给你替换掉的。

    第3,像我这样的,嫌麻烦就去电脑的官网上找它最适合的最新的驱动——我是装完我的笔记本电脑官网最新的驱动版本417.77之后,再装的CUDA10.0130,装完后发现驱动就被CUDA自带的驱动替换了。

    不过,我觉得卸载显卡驱动然后装任意版本的CUDA应该是可行的,我是离线CUDA。

    各版本CUDA下载网址:https://developer.nvidia.com/cuda-toolkit-archive

    如果嫌官网下载慢,那我提供网盘,win10下CUDA9.0-10.0,以及对应的cuDNN都有:

链接:https://pan.baidu.com/s/190NBdZyw7JWi-WArw-y84Q

提取码:kof9

三、安装CUDA和cuDNN

         前面两步完成的话,CUDA和cuDNN安装包都有了。接下来,  参照博客1

https://blog.csdn.net/qq_36368388/article/details/89406838进行安装。

         我安装了CUDA10.0.130,不同的是我装的是cuDNN7.4.1,原因是看下面图:

 

Win10+CUDA10.0.130+cudnn7.4.1+tensorflow1.13.1+anaconda3 5.2.0+GTX1060_第4张图片

 

         上图来源的博客是:Tensorflow-gpu和CUDA/cuDNN的对应关系

https://blog.csdn.net/qq_27825451/article/details/89082978

 

我是采用下面这个安装tensorflow成功

pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

 

四、测试

网上有很多测试,下面是看的博客非常好。多谢所有这些大神们,谢谢!

https://www.cnblogs.com/learnMoreEveryday/p/7860342.html

https://blog.csdn.net/qq_36368388/article/details/89406838

https://blog.csdn.net/weixin_34124939/article/details/88274237

https://blog.csdn.net/qq_33757398/article/details/82706565

 

五、其他

pip更改

很好的博客,

https://blog.csdn.net/qq_33757398/article/details/82706565

 

 

5)在自己电脑的C盘用户目录下新建文件夹pip,里面新建文档pip.ini

6)pip.ini输入:

[global]

trusted-host=mirrors.aliyun.com

index-url=http://mirrors.aliyun.com/pypi/simple/

 

5和6步的目的在于更换pip的下载镜像,可以大大提高pip安装速度,自己亲身体验~,原镜像下载速度不超过10K,阿里云镜像10M~~就是这样的差距

 

六、感谢

多谢多谢,记录下,然后开始学。

 

 

 

 

 

你可能感兴趣的:(AI)