win10/win11系统下安装tensorflow-GPU版本

win10/win11系统下安装tensorflow-GPU版本

  • 使用前注意
    • GPU版本
    • 版本匹配!!!
    • cuda版本
  • 安装anaconda
  • 安装对应版本的CUDAtoolkit
  • 安装对应版本的cuDNN
  • 安装tensorflow
  • 总结

使用前注意

GPU版本

GPU版的tensorflow在调用的时候有加速效果,运行会比较快一些,当然,如果你的硬件没有GPU,只能使用CPU版本的tensorflow,就不需要安装CUDA和cuDNN,直接运行

pip install tensorflow

即可。

版本匹配!!!

tensorflowGPU版本对python、cuda和cuDNN的版本之间的匹配要求是非常高的,如果版本不匹配很有可能出现运行报错的情况。建议在使用和安装tensorflow之前查询官方文档,确定版本关系。
版本对应关系见网站:
链接: https://tensorflow.google.cn/install/source_windows.

cuda版本

使用控制面板 ,找到NVIDIA控制面板
win10/win11系统下安装tensorflow-GPU版本_第1张图片
点击左下角《系统信息》,出现如下界面:
win10/win11系统下安装tensorflow-GPU版本_第2张图片
切换至《组件》,呈现如下:
win10/win11系统下安装tensorflow-GPU版本_第3张图片
可以看到,我的电脑CUDA的版本为11.2版本。

安装anaconda

Anaconda的安装和CUDA系列安装并无必须的匹配关系,可以自行搜索教程安装。

安装对应版本的CUDAtoolkit

NVIDIA控制面板显示我的CUDA为11.2版本,因此进入到anaconda prompt下(也可以在conda提供的虚拟环境下)采用如下命令安装

conda install cudatoolkit=11.2

意外的是,在我安装的时候(2022.1.29),国内的镜像源还没有出现11.2版本的cuda去安装,这里我便采用了官网去下载cuda安装包。
官网下载cuda: https://developer.nvidia.com/cuda-toolkit-archive.
进入后,找到你想下载的版本,下载好安装包之后,双击,之后根据提示完成安装即可,在这里一定要记下来CUDAtoolkit的安装路径!。

安装对应版本的cuDNN

根据之前的查询结果,cuda11.2版本最好对应cuDNN8.1版本,不幸的是,镜像源依旧没有该版本的cuDNN供下载,否则,你可以使用

conda install cuDNN=8.1

进行安装。

为了解决这一问题,可以去官网进行下载cuDNN包,
cuDNN官网:https://developer.nvidia.com/rdp/cudnn-archive.

这里比较麻烦的一点是:下载cuDNN必须注册NVIDIA账号!

从官网下载的cuDNN实际上只有一个压缩包,解压之后会发现:
win10/win11系统下安装tensorflow-GPU版本_第4张图片

这时候,只需要将bin里面的所有文件复制到CUDAtoolkit的bin路径下,如下图:
toolkit的bin路径
然后将cuDNN下的include里面的所有文件复制到CUDAtoolkit的include的路径下,如下图:
include路径

将cuDNN下的lib里面的所有文件复制到CUDAtoolkit的lib路径下:
lib路径

到这里cuDNN就算安装完成了。

安装tensorflow

实际上安装tensorflow并不难,只要运行

pip install tensorflow-GPU

会自动安装。

最后,运行

pip list

查看你安装的tensorflow版本号是多少,是否和你的CUDA/cuDNN匹配。

总结

安装tensotflow-GPU最要紧的就是注意你要需要的版本是什么,你安装的版本是什么!
祝顺利!

你可能感兴趣的:(tensorflow,深度学习,python)