Cuda 10.0 + tensorflow-gpu 2.0.0版本安装

Cuda 10.0 + tensorflow-gpu 2.0.0版本安装

  • 所需软件、安装包
    • 下载:
  • 安装
    • Anaconda 和 pycharm 安装
    • Cuda 安装
    • cuDNN 安装
    • 安装tensorflow-gpu 2.0.0
    • 成功
  • 测试
  • 总结

所需软件、安装包

话不多说,直接开讲。我的电脑系统是windows 10。
建议首先安装Anaconda 3.7pycharm。接着安装CudaCudnn。请根据自己电脑系统下载。

下载:

Anaconda 3.7.
Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第1张图片
pycharm.
Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第2张图片
Cuda 10.0.

Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第3张图片
cuDNN.
Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第4张图片

安装

Anaconda 和 pycharm 安装

在CSDN中已经有很多介绍这两个程序的安装过程了,这里就不多介绍了,可以百度直接搜索其安装教程,都不难。

Cuda 安装

cuda下载分为两种,一种是下载网络安装包,一种是下载本地安装包。前者安装需要一直联网下载,我尝试第一种的时候,下载很慢,就选择了第二种,将程序全部下载到本地安装。

  1. 点击安装包 ,即cuda_10.0.130_411.31_win10.exe,然后点击OK,这里生成提取的文件在安装结束之后是会删除的;在这里插入图片描述
    Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第5张图片
  2. 然后一直点击下一步,及使用推荐安装的即可;

cuDNN 安装

1.将下载好的文件解压。
Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第6张图片
2. 复制其中上面三个文件夹;
Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第7张图片
3. 将其复制到Cuda 10.0安装好的文件夹中;
Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第8张图片
4. 打开cmd,输入**nvcc -V **检查安装版本,可以看到已经安装成功;

nvcc -V

Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第9张图片

安装tensorflow-gpu 2.0.0

  1. 查看conda虚拟环境,tf-gpu是我已经安装成功的;
nvcc -V

在这里插入图片描述
Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第10张图片
2. 创建虚拟环境;

conda create -n tensorflow-gpu python=3.6

在这里插入图片描述
输入 y
Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第11张图片
Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第12张图片
3. 激活刚才创建的环境

activate tensorflow-gpu

在这里插入图片描述
4.升级一下pip

python -m pip install --upgrade pip

在这里插入图片描述
5.安装 tensorflow 2.0.0

pip install tensorflow-gpu=2.0.0 

Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第13张图片

成功

import tensorflow as tf 

在这里插入图片描述

测试

输入以下代码,进行测试

import tensorflow as tf

A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)

print(C)

若输出以下信息,则成功。

tf.Tensor(
[[19 22]
[43 50]], shape=(2, 2), dtype=int32)

Cuda 10.0 + tensorflow-gpu 2.0.0版本安装_第14张图片

参考:
安装参考.
测试参考.

总结

安装过程总是问题很多,一步一步来,总会解决的。感谢博客上面的大佬。
另外,tensorflow 2.0 版本跟之前的版本有很大不同,谨慎升级安装。安装之前要先检查自己的显卡支不支持,然后注意版本对应。

你可能感兴趣的:(Tensorflow,2.0)