笔者习惯使用老版本,下载的是PY3.6版本的Anaconda5.2.0
下载链接:
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
按照要求下载
笔者试验成功的组合如下:
GPU Driver:
直接下载最新的即可
CUDA Toolkit:
这里给一个链接备份:
https://pan.baidu.com/s/1jLVeKC-edUKBSL7yHLBB8A
cudNN:
需要注册账号登录比较麻烦,这里给一个链接:
https://pan.baidu.com/s/1zg3sI9p1khhkTz8GVDY9Dg
复制到对应的CUDA文件夹内即可
教程:https://jingyan.baidu.com/article/4b52d702e01b65fc5c774b01.html
将CUDA、CUPTI和cuDNN安装目录添加到%PATH%环境变量中。例如,如果CUDA工具包安装到C:\ Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0,cuDNN安装到C:\ tools\CUDA,请更新%PATH%以匹配:
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include;%PATH%
SET PATH=C:\tools\cuda\bin;%PATH%
#查看可用的gpu
import tensorflow as tf
gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)
#运行一段代码,加法在gpu上跑
import tensorflow as tf
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:0"):
c=a+b
sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))
sess.run(c)
print(sess.run(c))
第一次可能会在如下这句卡很久,等待即可
最后可以得到如下结果:
1.首先创建一个虚拟环境
conda create -n TF2 python==3.6.5
注意一定要安装这个python版本,经过本人测试可以和上面的cuda版本匹配
2.进入虚拟环境
conda activate TF2
3.安装gpu版本
pip install tensorflow-gpu
注意这个会直接安装最新的版本,我安装的版本为2.0.0,另外我使用conda instal tensorflow-gpu失败了,不知什么原因