win10下安装pycharm和tensorflow-gpu版本

win10下安装pycharm和tensorflow-gpu版本

前言
这篇文章是我修改过的文章,我第一次使用的方法,路途坎坷,读者需要着重看清加粗的地方,就是把cuDNN的版本换了一下而已,其他的地方是一样的。
#电脑配置
windows 10 专业版
python 3.6.6
pycharm 社区版
cuda 10.1
cuDNN v8.0.4 (这是我第一次用的版本)
cuDNN v7.6.5
tensorflow 2.3.0

安装准备

1、python的安装,这里我安装的是3.6.6版本的pyhton,因为身边的人大多都在用3.6版本的python
2、Pycharm安装。直接百度搜索pycharm就可以下载,这个很简单,因为我是个人使用,所以用的是社区版本的。
3、安装cuda和cuDNN。因为安装的是GPU版本的tensorflow,所以要确定自己的电脑是否支持GPU,这里我直接搬用别人的教程查看自己的电脑是否支持CUDA.
这里我特地强调一下,查清楚自己的电脑支持cuda之后,装哪个版本的cuda和cuDNN要根据Tensorflow支持的版本来决定的,我安装的是cuda10.1和cuDNN v8.0.4这里我插一句,我不是完全按照它的要求来安装的,因为官网的tensorflow 2.3.0要求的cuDNN是7.4版本的,但是在下载的时候发现英伟达官网推荐的cuDNN对应的版本是7.4以上的, 我一开始用的是cuDNN v8.0.4,安装的时候不会报错,但是使用的时候就会报错,后面补救的办法就是把相应的DLL文件下载下来然后放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin 目录下就可以了。
正确的做法是英伟达官网的为cuda 10.1推荐的版本v8以下的cuDNN,后来我尝试的cuDNN v7.6.5, 使用这个版本一次就可以成功。win10下安装pycharm和tensorflow-gpu版本_第1张图片
win10下安装pycharm和tensorflow-gpu版本_第2张图片

括号里面的链接可以查看(tensorflow对应的cuDNN和cuda版本)。自己电脑的显卡驱动是可以更新到最新的版本的,像我的电脑一样,一开始的时候是cuda 8,然后联机更新变成了cuda9.1,后面经过一系列尝试之后,发现这个版本的tensorflow不好装,然后就下载最新的显卡驱动来安装,这里我解释一下为什么我要装最新的显卡驱动,因为之前看到一篇文章说驱动是向下兼容的,意思就是说,我安装了最新的cuda的显卡驱动,在安装cuda的时候,我可以安装最新的cuda也可以安装旧版本的cuda,这里我就是安装了最新的cuda 11的显卡驱动,但是安装的cuda是10.1版本的,不是最新的cuda 11。
win10下安装pycharm和tensorflow-gpu版本_第3张图片
驱动安装完成之后,下载cuda和cuDNN,这两个都是可以在英伟达官网下载的,其中下载cuDNN是要注册之后才能下载的。
下载链接贴在这里: cuDNN下载 ,cuda下载

开始安装

1、cuda 10.1的安装。
这里的安装我是全部选择默认的路径来安装的,安装的时候选择精简安装即可,如果想改安装位置要记得自己安装位置的路径。安装完cuda之后,环境变量已经自动帮你加上去去了,所以不用理它。
安装好之后检验是否安装成功,运行cmd,输入 nvcc -V,可以查看到自己安装的版本
win10下安装pycharm和tensorflow-gpu版本_第4张图片

2、cuDNN v8.0.4的安装。
其实说是安装,也就是把几个文件替换合并一下而已,下载好cuDNN之后解压 ,将里面的三个文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 路径下。
win10下安装pycharm和tensorflow-gpu版本_第5张图片

接下来就要配置环境变量了。
win10下安装pycharm和tensorflow-gpu版本_第6张图片
共要添加5个环境变量,如下图
win10下安装pycharm和tensorflow-gpu版本_第7张图片
3、tensorflow 2.3.0的安装
我是直接在pycharm上面安装的,感觉这样比较方便,之前的tensorflow在pycharm上面安装如果不用镜像源的话是很慢的,但现在直接安装不需要镜像源也可以,速度也挺快的。
win10下安装pycharm和tensorflow-gpu版本_第8张图片
win10下安装pycharm和tensorflow-gpu版本_第9张图片
win10下安装pycharm和tensorflow-gpu版本_第10张图片
等待安装完成即可,之后来测试一下,测试代码如下:

import tensorflow as tf
# TensorFlow实现加法运算
a_t = tf.constant(2)
b_t = tf.constant(3)
c_t = a_t + b_t
# 开启绘画
tf.compat.v1.disable_eager_execution()
c_t = tf.constant(c_t)
sess = tf.compat.v1.Session()
c_t_value = sess.run(c_t)
print("c_t_value:\n", c_t_value)

运行效果:
在这里插入图片描述
可能出现的问题
运行的时候会报错:Could not load dynamic library ‘cudnn64_7.dll‘; dlerror cudnn64_7.dll not found
或者不止一个文件找不到,解决方法:下载对应的文件

到此,文章结束,本人水平有限,参考时请用批判的态度阅读,不足之处望请指出!

你可能感兴趣的:(深度学习,tensorflow)