GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1

GTX950M+Cuda10.1+Tensorflow2.1.0-Gpu

文章目录

  • GTX950M+Cuda10.1+Tensorflow2.1.0-Gpu
      • 1.电脑环境、电脑配置
        • 1.1电脑配置
        • 1.2注意点:
      • 2.安装Cuda
        • 2.1安装cuda10.1
        • 2.2安装cudnn
        • 2.3安装tensorflow2.1.0
        • 2.4安装pytorch
      • 3.验证结果
        • 3.1验证Tensorflow
        • 3.2验证Pytorch

1.电脑环境、电脑配置

1.1电脑配置

显卡:GTX950M 16年的桌面笔记本老产品

Python环境:Python3.7 Anaconda

操作系统:Window10

1.2注意点:

搞深度学习非常依赖于显卡的性能,如果笔记本电脑的所对应的显卡算力和性能太低,建议换电脑搞深度学习!Cpu当然也可以搞,不过要死不嫌慢或者Cpu强大的可以考虑用cpu版,那么就不需要安装cuda.AMD的显卡也能搞深度学习,不过优点麻烦!关于英伟达显卡的算力可以参考以下英伟达官网给出的页面:

英伟达显卡算力表
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第1张图片

2.安装Cuda

安装cuda之前要考虑自身电脑的配置以及自身已经安装的环境对于Tensorflow以及Pytorch的支持情况。我的电脑安装的是Python3.7,因为tensorflow2.0以上的版本支持python3.7的最低版本为为2.0.0,但我选择了tensorflow2.1.0. 关于Python版本支持的Tensorflow情况详情可以参考Tensorflow官网。

TensorFlow支持的Python版本

GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第2张图片
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第3张图片

2.1安装cuda10.1

如上图所示,要安装Tensorflow-gpu2.1.0,就需要电脑安装cuda10.1,因而可以去英伟达官网安装cuda.

英伟达cuda安装地址
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第4张图片

点击进入cuda10.1的页面进行下载:
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第5张图片

以下两个是已经下载好的百度云cuda版本:

cuda10.1 提取码:fmyo

cuda10.0提取码:ch28

下载完后点击安装:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wpk7s9PR-1608032415152)(D:\笔记\CSDN\images\cuda具体安装1.png)]
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第6张图片
按照图示步骤来,Visual Studio Integration不选,否则有可能导致安装不成功:
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第7张图片
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第8张图片
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第9张图片

验证是否成功:

win+R 输入cmd,进入命令行界面:

输入以下指令:

nvcc -V

GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第10张图片

2.2安装cudnn

不同版本的cuda 对应着不同的cudnn,详情可以从英伟达官网找到具体信息。

cuddn官网下载

不过,下载cudnn需要去英伟达官网注册。这里提供两个版本的cudnn:

支持cuda10.1cudnn 提取码:f0kh

支持cuda10.0cudnn 提取码:lxt2
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第11张图片

解压文件夹,将解压后的文件夹下的文件拷贝到cuda安装目录下,与之相对应的文件夹下
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第12张图片
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第13张图片

至此,cuda算是完成安装。

2.3安装tensorflow2.1.0

本次采用pip 的方式安装,当然也可以采用conda的方式安装。

打开anaconda prompt:
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第14张图片

输入pip 下载的包:

pip install tensorflow-gpu==2.1.0
# 注意如果没有指定下载的是tensorflow-gpu的话,系统很可能会下载tensorflow的cpu版本
# 如果没有指定具体的版本,很可能下载的是最新的版本

2.4安装pytorch

安装pytorch比Tensorflow要友好很多,很且Pytorch官网会给详细的自动,复制连接就行!

Pytorch下载网址
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第15张图片

复制指定直接输入到Anaconda Prompt中就行!

3.验证结果

3.1验证Tensorflow

import tensorflow as tf
print(tf.config.list_physical_devices("GPU"))
print(tf.test.is_gpu_available())
print(tf.test.is_built_with_gpu_support())
print(tf.test.is_built_with_cuda())

GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第16张图片

验证成功!

3.2验证Pytorch

import torch
x = torch.rand(5, 3)
print(x)

GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1_第17张图片

你可能感兴趣的:(深度学习,深度学习,tensorflow,cuda,python,神经网络)