Win10环境下愉快的安装tensorflow-gpu版本

文章目录

  • 一.为什么要安装GPU版本的tensorflow?
  • 二.安装过程
    • 2.1. 安装前需要注意的事项
    • 2.2.下载安装CUDA
      • 2.2.1.下载
      • 2.2.2.安装CUDA
    • 2.3.下载安装cuDNN
      • 2.3.1.下载
      • 2.3.2.安装cuDNN
    • 2.4. 安装tensorflow-gpu
  • 三.测试是否安装成功

一.为什么要安装GPU版本的tensorflow?

本人之前使用的是cpu版本的,但是最近由于在做一个深度学习的项目,无奈cpu版本的运行速度实在是令我受不了了,因此我决定转向gpu版本(之前不装gpu版本是因为嫌麻烦)。在经过几个小时的查询和尝试后,我成功安装了GPU版本的tensorflow,在这里我想向大家介绍如何安装gpu版本的tensorflow,话不多说,请看下文。

二.安装过程

2.1. 安装前需要注意的事项

  • 在安装的时候,我看了网上的很多教程,许多教程的流水线都有提到要使用Anaconda,但其实也不一定要安装Anaconda其实只需要安装CUDA和cuDNN就可以了
  • 首先,你需要了解电脑的显卡是否支持GPU版本的tensorflow,具体的过程这里就不多说了,这里分享一篇很好的教程请点我。
  • 其次,你需要选择自己要安装的tensorflow-gpu版本,这一步很关键,只有确定了自己要安装的tensorflow-gpu版本,你才能去确定对应的CUDA和cuDNN版本。
  • 最后,找到适合自己要安装的tensorflow-gpu版本的CUDA和cuDNN,要解决这个问题可以去Tensorflow官网请点我,进去后你可以看到如下图所示的表格,在表格中,你可以寻找适合的CUDA和cuDNN版本。
    Win10环境下愉快的安装tensorflow-gpu版本_第1张图片

2.2.下载安装CUDA

2.2.1.下载

  • 要下载CUDA需要进入NIVDIA官网对应的下载界面请点我,进去可以你可以看到如下界面:
    Win10环境下愉快的安装tensorflow-gpu版本_第2张图片
  • 在其中找到自己需要的CUDA版本,比如你之前在Tensorflow官网找到适合自己的CUDA版本是9.0,则下载9.0版本就可以了。

2.2.2.安装CUDA

  • 在安装过程中,可以全部按照默认设置就行了。
  • CUDA默认安装在C盘,倘若你要更换安装路径,切记一定要记住自己选择的路径(后面有大用处)。
  • 在这其中安装选项可以使用用户自定义,倘若你要选择自定义的话,可以查看网上的其他资源来进行配置,这里我本人使用的是默认的精简,最后是可以正常工作的。

2.3.下载安装cuDNN

2.3.1.下载

  • 在安装好CUDA后,接下来便是下载cuDNN了,同样的进入英伟达官网的对应下载界面请点我,进去后,可以看到如下界面:
    Win10环境下愉快的安装tensorflow-gpu版本_第3张图片
  • 然后,你就需要根据自己的CUDA版本来选择对应的cuDNN版本,假如你之前选择了9.0版本的CUDA,在上图中你就可以找到cuDNN v7.6.4,cuDNNv7.6.3两个版本,当然官网上适配CUDA 9.0版本的还有很多,你随便挑选一个就可以了。

2.3.2.安装cuDNN

  • 首先,对下载的cuDNN压缩包进行解压,然后把解压后的文件夹中的bin,include,lib文件夹复制;
  • 其次,找到CUDA安装目录对应的文件夹下面,倘若你在安装时使用的时默认路径,则CUDA安装目录的路径应该是:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
  • 最后,将刚才复制的cuDNN下的三个文件夹粘贴过来。

2.4. 安装tensorflow-gpu

在安装GPU版本的tensorflow时我直接使用的是pip,具体的命令为

pip install tensorflow-gpu==版本号

在使用pip命令安装时,你可能会遇到超时等问题导致下载失败,我之前看过一篇文章请点我帮助我很好的解决了这个问题,当然网上的资料还有很多。

三.测试是否安装成功

这里我提供了一段tf程序来供大家测试使用,让若能成功运行,那么恭喜你,你已经成功安装好GPU版本的tensorflow了

import tensorflow as tf

pai = tf.constant(3.14)
r = tf.placeholder(dtype=tf.float32)
area = tf.multiply(r*r,pai)

with tf.Session() as sess:
    area = sess.run(area,feed_dict={r:2})
    print("arae",area)
'''
运行结果
    arae 12.56
'''

你可能感兴趣的:(Python)