Tensorflow-gpu版本的安装

Andaconda的安装

Andaconda的安装比较简单,大家可以去搜一下教程。
Andaconda清华镜像站:大家可以下载自己想要的版本。

Tensorflow-gpu版本的下载安装

andaconda安装完成之后只有一个(base)环境,这时要创建一个新的环境(tensorflow-gpu):
此时首先要查看一下可支持的python版本:

conda search --full-name python

Tensorflow-gpu版本的安装_第1张图片
可以看到我的andaconda只支持python3.6.2以前的版本,所以在创建环境时python的版本不能超过3.6.2。

创建环境

conda create --name tensorflow-gpu python==3.6.2

激活环境:

activate tensorflow-gpu

此时在命令行的首部会出现(tensorflow-gpu),证明环境已经激活。
下载tensorflow(gpu):(默认的情况下会下载最新版本)

pip install tensorflow-gpu

下载比较慢的话,可以修改一下Pip的源:

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

如果一切没有问题的话tensorflow(gpu)已经安装好了,可以在tensorflow-gpu的python 中测试:

import tensorflow

安装GPU运行库

对于GPU版本的tensorflow来说,因为调用了Nvidia显卡运行代码,因此需要安装Nvidia提供的运行库(GPU加速工具)。GPU的加速工具有两个:CUDA和CUDNN.

下载

1、进入NVIDIA官网下载所用的显卡的驱动程序并安装
显卡驱动程序
控制面板-硬件和声音-NVIDIA控制面板:
Tensorflow-gpu版本的安装_第2张图片
Tensorflow-gpu版本的安装_第3张图片
可以根据自己电脑的显卡安装驱动程序。

2、下载运行库最主要的是版本的对应问题。
首先查看电脑的显卡(Nvidia)支持cuda的版本。
控制面板-硬件和声音-NVIDIA控制面板-帮助-系统信息-组件。
Tensorflow-gpu版本的安装_第4张图片
可以看到cuda的版本不能超过11.0,这是电脑硬件。
此时需要看tensorflow的版本与cuda版本的关系。

tensorflow版本与cuda版本的关系

Tensorflow-gpu版本的安装_第5张图片
可以看到cuda的版本为11.0,cudnn的版本为8.0
cuda下载连接
Tensorflow-gpu版本的安装_第6张图片
大家可以根据自己的需求下载相应版本和选项。
cudnn下载
这个下载需要账号可以先申请账号。

安装

驱动、cuda、cudnn安装的过程都是默认路径.对于cuda和cudnn安装完后需要把cudnn中的bin、include、lib\x64文件夹的文件复制到cuda的相应文件夹中。
cuda安装后的路径:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0 。
在这里插入图片描述

测试

在命令行中输入nvidia-smi,结果如下表示安装成功了。

Tensorflow-gpu版本的安装_第7张图片
也可以在python控制台输入:

import tensorflow as tf
tf.test.is_gpu_available()
#返回值为True,证明可以使用gpu

参考

Windows 10上安装Tensorflow 2.4(GPU版)

NVIDIA显卡驱动版本,CUDA版本,cudnn版本之间关系及如何选择

一文上手Tensorflow2.0(四)

备注:
与tensorflow2.4.1相应的版本(cuda11.0,cudnn8.0)由于文件较大,放到网盘中,欢迎大家下载,提取码:xp6t
自己下载的话一定要记得版本的对应。
有什么问题可以留言,希望大家共同学习,共同进步。

你可能感兴趣的:(深度学习,深度学习,tensorflow,gpu)