安装Keras\CUDA\CUDnn\TensorFlow-gpu中遇到的问题以及分享

为了用Keras,做一些深度神经网络的作业,所以开始折腾了.

听同学说Google Colab深度学习云平台提供有免费GPU使用(TensorFlow),本人没有过多了解,感兴趣的可以去了解下[点击这里].

回到本地安装上来,这里有几点需要注意的,也是我遇到的一些坑,希望给后来的同学节约一些时间,少走一些弯路.

具体步骤,本人参考这里


最重要的步骤在于CUDA和CUDnn安装版本的正确!

本人安装环境:

l 操作系统:win10

l python版本:3.8

l NVIDIA显卡驱动版本:460.89

l tensorflow-gpub版本:2.4.0

l CUDA:11.1

l cudnn:8.0.4

l keras版本:2.4.3

  1. 在安装之前呢,我们需要安装anaconda,用于创建虚拟环境用于运行程序,这里不再赘述了.

  2. CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。所以如果是AMD YES!的同学就不必考虑用GPU跑深度学习了.

  3. 很关键的一点!显卡驱动版本和CUDA的安装版本之间是有联系的!

    可以去NVIDIA控制面板查看–>系统信息(左下角)–>组件
    安装Keras\CUDA\CUDnn\TensorFlow-gpu中遇到的问题以及分享_第1张图片
    第三行–NVCUDA 11.2.66

    所以我这里安装的是11版本

    请务必根据这个下载对应的CUDA版本,否则GPU跑不起来,还是CUP在跑,亲测!!!泪目浪费了很多时间.

  4. CUDaa的版本要对应CUDA 的版本号,对了下载CUDA和CUDnn都需要科学上网!!

  5. 个人感觉豆瓣镜像要比清华镜像要快,大家可以自行选择

    豆瓣 https://pypi.douban.com/simple/
    清华 https://pypi.tuna.tsinghua.edu.cn/simple/

  6. 在安装TensorFlow-gpu的时候我没有刻意指定安装哪个版本,他会自动选择,我没有出现这方面的错误.

   pip install -i https://pypi.douban.com/simple/ tensorflow-gpu

注:TensorFlow-gpu是gpu版本

   pip install -i https://pypi.douban.com/simple/ keras
  1. 之后大家可以根据上面参考博客中的案例,进行测试.

  2. 如何查看GPU是否使用,占用率是多少呢

    在命令行中输入nvidia-smi

    下图红框中的百分比就是占用率,这里没有跑程序所以为0
    安装Keras\CUDA\CUDnn\TensorFlow-gpu中遇到的问题以及分享_第2张图片

    百分比就是占用率,这里没有跑程序所以为0

  3. 如果占用率很低(比如40%)可参考此处

  4. 运行时红色说明是正常的,除非出现失败,或者运行速度很慢时,就要开始找问题了…
    安装Keras\CUDA\CUDnn\TensorFlow-gpu中遇到的问题以及分享_第3张图片
    使用GPU跑的速度真的比CPU快很多,CPU 168ms/Step,而GPU 30ms/Step(我的古董笔记本…)

最后希望大家都装的又快又完美!

你可能感兴趣的:(个人分享,神经网络,深度学习,cuda)