GPU版本
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.14
这里选择清华源是因为下载速度很快
为什么安装这个版本是由于查阅了一些网上资料,认为在我的这个驱动程序的版本下最稳定的CUDN版本是10,虽然我的显卡驱动支持11.
无论是从这个版本的驱动程序的文档说明书上又或者如下图,都能看出支持CUDN11.0
先上下载链接CUDN10https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exenetwork
安装过程如下:
1.这里我认为是存放下载的那些安装软件,我没放在C盘
2.然后我选的是自定义,当然也可精简,但是可能会出先步骤3中的问题。
3.这里千万注意每个选项框都打开看一下,只要你的电脑的当前版本有且比它这里显示的新版本高,就一定要取消(不然你又安装了更低的版本谁知道会出什么问题)。
4.这里可能有个小插曲,如果你没安VS2017或者别的任何版本(因为的电脑是新电脑,所以没有)。我推荐vs2017因为我查的资料里很少有vs2019和cudn10的组合,稳妥起见。
5.最后检查两个东西,如图。
这个目录下要有ncvv
这个目录下要有cupti64_100这里安装成功可以测试下
1.在cmd窗口输入
nvidia-smi
nvcc -V
有一种说法是安装了cuDNN后才会出现如图,但是我按完CUDN10.0就有了。
先上网址cuDNNhttps://developer.nvidia.com/rdp/cudnn-archive
下载自己CUDN相应的版本和操作系统相应的版本,我下载的是如图的win10版本
下载完成后,得到如图压缩包然后就有我找的两种做法了,我用了第一种
第一种将原本上图中的cuda的文件夹名改为cudnn(图中我已经改了),然后将cudnn复制到下图中,路径也在图中。
最后改环境变量,安装CUDN后环境变量里本身已经有两个了,再加两个。已有的两个如图前两个。![在这里插入图片描述](https://img-blog.csdnimg.cn/20200718152834717.png
再加两个
C:\Program Files\NVIDIA GPU Computing
Toolkit\CUDA\v10.0\extras\CUPTI\libx64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn\bin
然后是方法二:将下图一中的文件夹的内容对应添加到下图二中同名的文件夹中
最后就是测试了,随便用一个软件在你的这个环境中进行如下编码
import tensorflow as tf
tf.test.is_gpu_available()
返回True就完成了!!!