新手GPU详细配置步骤

新手GPU详细配置步骤

    • 一、 查询计算机相关信息
    • 二、 安装NVIDIA驱动
    • 三、 MSVC 2015 update3 安装
    • 四、 安装CUDA9.0
    • 五、 安装cuDnn7
    • 六、 安装tensorflow-gpu 1.10
    • 七、 测试
    • 参考资料

去年毕业论文想使用CNN跑代码,用CPU太慢了,mnist手写数字识别数据集运行了将近半个小时,非常不利于之后调试,所以进行了GPU配置。现在重新发一下配置过程。

  • 电脑基本配置:Dell笔记本,CPU Inter Core i7-8750H,GPU NVIDIA GeForce GTX 1060,Windows10;
  • 已经存在的环境:Anaconda3(64bit),Python-3.6;
  • 需要安装:NVIDIA 驱动,MSVC 2015 update3,CUDA-9.0,CuDNN-7,TensorFlow-gpu。
    注意:各种软件版本一定要根据电脑实际情况进行选择,否则无法运行。

一、 查询计算机相关信息

首先要知道自己电脑显卡(GPU)的型号信息。此电脑右键->属性->设备管理器->显示适配器,就可以看到型号信息。
在这里插入图片描述

TensorFlow官网有安装指南https://www.tensorflow.org/install/gpu#software_requirements ,其中对安装Tensorflow GPU版提出了一些要求,如下图所示:
新手GPU详细配置步骤_第1张图片

根据设备信息,找到电脑显卡对应的系列,查看显卡中GPU的计算能力(Compute Capability),下图中可以看到GeForce GTX 1060计算能力满足要求。
新手GPU详细配置步骤_第2张图片
此时查看TensorFlow-GPU依赖的环境,直接看下表,我的TensorFlow-CPU版本是1.10.0,GPU也选择了1.10.0(查看TensorFlow版本:import tensorflow as tf, tf.version)。据此选择CUDA和cuDNN版本。
新手GPU详细配置步骤_第3张图片

二、 安装NVIDIA驱动

打开网址,输入已知的设备相关信息。点击search之后直接download安装包。
新手GPU详细配置步骤_第4张图片

打开安装程序,检查系统兼容性,同意协议,可以自定义安装。我路径选择了C盘,因为驱动程序最终一定会在C盘。
(参考:https://jingyan.baidu.com/album/4d58d5414fff299dd4e9c085.html?picindex=15 )
新手GPU详细配置步骤_第5张图片
新手GPU详细配置步骤_第6张图片

安装完成就可以进行下一步啦。

三、 MSVC 2015 update3 安装

https://www.microsoft.com/en-us/download/details.aspx?id=53587 上可以安装,但我是直接下载别人分享的资源。
新手GPU详细配置步骤_第7张图片

打开安装程序之后显示已经安装过了,所以此步跳过。

四、 安装CUDA9.0

在https://developer.nvidia.com/cuda-toolkit-archive 下载9.0版本,安装对应版本。

打开安装程序,和驱动安装界面类似,这个我安装到了D盘。
提示:此处我在检查系统兼容性处遇到了错误,显示下图:
新手GPU详细配置步骤_第8张图片
如果遇到此类错误,先检查确认自己安装的版本是否正确;如果正确,出现这个问题的原因是已经安装的驱动的版本比这个版本高,解决方法是选择继续,在选项中选自定义(高级)后会有当前CUDA要安装的驱动版本以及你已经安装的版本,你已经安装过的就不用安装了。
新手GPU详细配置步骤_第9张图片

五、 安装cuDnn7

下载cuDNN,这个需要登录,我直接用的别人分享的资源。
解压到任意一个目录下,然后把cuDNN加入环境变量PATH(添加环境变量方法:此电脑右键->属性->高级系统设置->环境变量…->用户变量中选中Path->编辑->点击新建->输入解压到的地址至bin,如D:\cudnn-9.0-windows10-x64-v7.4.2.24\cuda\bin)。
这样所需的软硬件条件满足,可以安装tensorflow-gpu。

六、 安装tensorflow-gpu 1.10

我本来电脑上就有Anaconda,为了之后的下载更加迅速,使用Anaconda清华镜像。
打开anaconda prompt,输入

$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
$ conda config --set show_channel_urls yes

进行配置,可参考资料 。此时打开Anaconda Navigator查看channels发现已经有了清华镜像。
下面新建一个虚拟环境安装tensorflow-gpu 1.10。可以在Anaconda Navigator中environments直接新建,也可以在prompt中输入

conda create -n tensorflow_gpu python=3.6

(可以参考https://blog.csdn.net/qq_30611601/article/details/79067982 )
下面在prompt中切换到创建好的环境中

activate tensorflow_gpu
pip install tensorflow-gpu==1.10 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装TensorFlow-gpu,注意要加上版本号,否则会安装最新的不能使用。
安装好之后,在Anaconda Navigator首页切换到新的环境tensorflow_gpu,install Spyder。基本环境已经配置好了,我们要在新的虚拟环境中安装一系列常用的Python库,例如numpy,pandas,matplotlib等等,只需要安装一次anaconda库就可以把这些库全部安装好

conda install anaconda

至此,就全部安装好啦,恭喜!

七、 测试

安装好之后打开GPU环境下的Spyder迫不及待测试一下:
在这里插入图片描述
在这里插入图片描述
发现是在GPU上运行!运行MNIST手写数字识别的CNN程序,十秒钟就运行完了。

参考资料

  • https://www.cnblogs.com/elroye/p/7864988.html
  • https://www.jianshu.com/p/62d414aa843e
  • https://blog.csdn.net/qq_30611601/article/details/79067982
  • https://blog.csdn.net/daniu2007/article/details/80889136
    延伸资料https://www.aboutyun.com/thread-24670-1-1.html
    链接中有别人分享的安装包资源,感谢!

你可能感兴趣的:(gpu)