安装笔记cuda10.0+cudnn7.5+tensorflow-gpu-1.14+python3.6

最近要学习GAN,用到的数据集比较大,复现的论文源码也是用gpu跑程序的,所以今天还是决定安装一下tensorflow-gpu
吃过几次手快的亏,现在知道了安装东西之前一定要先对对版本号。
https://blog.csdn.net/lien0906/article/details/106218443
相关博文
https://blog.csdn.net/marsh_zy/article/details/105718193
https://blog.csdn.net/qq_40986693/article/details/98848771
https://www.cnblogs.com/Assist/p/11002756.html
https://blog.csdn.net/li528405176/article/details/83154062

1、CUDA安装

首先查看系统信息,显卡是MX250,版本417.35安装笔记cuda10.0+cudnn7.5+tensorflow-gpu-1.14+python3.6_第1张图片
安装笔记cuda10.0+cudnn7.5+tensorflow-gpu-1.14+python3.6_第2张图片
CUDA最高支持10.0.132
第一次参考https://blog.csdn.net/Isaac320/article/details/103609257
下载CUDA9.1版本无法安装,系统检测没通过。
查了原因让往版本高的方向试,重新下载10.0版本检测通过https://developer.nvidia.com/cuda-toolkit-archive
安装路径C:\Users\yaoho\AppData\Local\Temp\CUDA
再用cmd输入nvcc -V,测试了CUDA安装成功,能够显示版本号10.0

2、cudnn安装

https://developer.nvidia.com/cudnn注册用的QQ邮箱,下载cudnn7.5版本
下载之后解压,然后将各个文件夹的内容复制到 安装cuda 地址对应的文件夹中

例如 cudnn-10.0-windows10-x64-v7.5.0.56\cuda\bin 目录中的 cudnn64_7.dll 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin 中

cudnn-10.0-windows10-x64-v7.5.0.56\cuda\include 中的 cudnn.h 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include

cudnn-10.0-windows10-x64-v7.5.0.56\cuda\lib\x64 中的 cudnn.lib
复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64 中

将 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64添加到系统变量Path里

3、tensorflow-gpu-1.14.0安装

在这里插入图片描述
找到信息,说cuda10.0对应的tensorflow要1.13.0版本以上,网上找到了tensor1.14.0gpu+python36的安装包还在下载中

首先利用cmd命令,调出终端,再按以下命令创建环境
conda create --name tf-gpu python=3.6 --------- 创建环境名tf-gpu(tf是我自己取的)
activate tf-gpu --------- 激活环境

安装本地安装包
如果网速太差,或者其他原因下载过慢或失败,可以直接使用浏览器或迅雷下载 对应的链接 ,然后在 对应文件的目录下直接通过文件名来安装 例如 在下载目录下打开命令行pip install --ignore-installed --upgrade tensorflow_gpu-1.13.0-cp36-cp36m-win_amd64.whl(网上看到的,我没试,我用的是下面的方法)

如果不想进入下载目录,可以直接利用以下方法。
注:pip install命令后面接的路径,都可以通过鼠标右键文件名-属性-安全-对象名称获取,如下图所示.
在这里插入图片描述
conda无法安装(上图),使用pip可以(下图)
安装笔记cuda10.0+cudnn7.5+tensorflow-gpu-1.14+python3.6_第3张图片
但是在运行了一会后突然出现了红色错误,如下图所示
安装笔记cuda10.0+cudnn7.5+tensorflow-gpu-1.14+python3.6_第4张图片
安装笔记cuda10.0+cudnn7.5+tensorflow-gpu-1.14+python3.6_第5张图片
尝试测试了一下有不有安装成功,果然不行。

网上查找了原因说是网络不稳定的原因,我决定开个热点试试,继续用pip安装tensorflow,回车后它就继续下载了。。安装笔记cuda10.0+cudnn7.5+tensorflow-gpu-1.14+python3.6_第6张图片
最后再测试一下是否安装成功
安装笔记cuda10.0+cudnn7.5+tensorflow-gpu-1.14+python3.6_第7张图片
成功运行程序,只是又遇到了一个bug,那就是tensorflow版本与numpy版本不匹配,运行的时候会先跳出很多提醒。
解决bug链接:https://blog.csdn.net/Thanours/article/details/102865021

今天安装还算顺利,记录一下,以后好操作。

anaconda管理Python包
安装一个包:
conda install package_name
移除一个包:
conda remove package_name
升级包版本:
conda update package_name
查看所有的包:
conda list

管理Python环境
创建一个新环境:
conda create -n env_name list of packages
删除名为env_name的环境:
conda env remove -n env_name
显示所有的环境:
conda env list
进入名为env_name的环境:
source activate env_name
退出当前环境:
source deactivate

你可能感兴趣的:(python,tensorflow,深度学习)