TensorFlow、Torch 安装GPU版本记录

安装的版本:

python=3.7

CUDA=11.3.1

cuDNN=8.2.1

Torch=1.11.0

TensorFlow-gpu=2.6.0


前言

TensorFlow、Torch的cpu版本安装简单,但是gpu版本安装有诸多限制,容易出很多问题。

在此记录一下解决方法。


注意

GPU版本的库运行需要基于硬件和软件的双重限制:

1、硬件:电脑要有Nvida的显卡,AMD的显卡是不支持的;

2、软件:需要安装与TensorFlow,Torch版本相对应的CUDA、cuDNN

需要注意的是:CUDA版本是向下兼容的,即使说高版本是兼容低版本的,但是最好是要相对应,版本差别不大才可以。

我自己理解是:自己电脑所支持的最高cuda版本 > anaconda中安装的cuda版本 > anaconda中安装的cuDNN版本(意思是安装的cuda版本对应的cuDNN版本;cuDNN与CUDA对应版本查询:cuDNN Archive | NVIDIA Developer)

例如:我的电脑支持最高cuda版本=11.5;

anaconda安装的cuda版本=11.3;

(比如:cuda=11.3 与 cuDNN=8.1 对应;cuda=11.2 与 cuDNN=8.0 对应)

那么anaconda安装的cuDNN版本可以是8.1或者是8.0(因为高版本的cuda=11.3兼容cuda=11.2,也就是兼容了cuDNN=8.0)

安装之前最好是将版本信息搞明白,知道自己需要安装的各种库的版本信息,然后才能快速安装,不易出现问题

一、查看显卡

(1)查看显卡信息:

右键【我的电脑】→【属性】→【硬件】→【资源管理器】→【显示卡】,双击显卡型号,打开对话框,显示显卡信息(N卡才支持GPU)

(2)查看显卡支持的最高版本CUDA

【打开显卡控制面板】

TensorFlow、Torch 安装GPU版本记录_第1张图片

 TensorFlow、Torch 安装GPU版本记录_第2张图片

 TensorFlow、Torch 安装GPU版本记录_第3张图片

查看所支持的最高的CUDA版本: CUDA 11.5(安装的时候要小于等于这个版本) 

(3)需要注意

二、Anaconda下载安装

anaconda安装有很多经验分享,不在赘述。

注意:

Anaconda安装好后,需要创建环境,之后的库都安装在自己创建的环境当中,这样方便管理。(主要是在出现问题后方便解决)

创建自己的环境:

conda create -n torch_ten_gpu python=3.7

环境的语言版本要尤其注意,需要查看自己安装的库所支持的语言版本:有些版本不支持python3.6以上

激活环境:

activate torch_ten_gpu

设置镜像:

channels:
  - https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/
  - https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/
  - https://mirrors.bfsu.edu.cn//anaconda/cloud/pytorch/
  - defaults
show_channel_urls: true

镜像设置有很多方法,把以上镜像地址加入

三、Torch-gpu安装

同时安装TensorFlow和Torch的GPU版本时,建议先安装Torch。

进入Torch官网Start Locally | PyTorch

因为Torch的新版本限制:

TensorFlow、Torch 安装GPU版本记录_第4张图片

CUDA-10.2 PyTorch builds are no longer available for Windows, please use CUDA-11.3

CUDA-10.2版本已经不能使用;所以需要安装CUDA-11.3的版本

因此第一步:安装CUDA-11.3(电脑显卡需支持)

只需安装cudatoolkit即可

conda install cudatoolkit=11.3

安装cuDNN:

conda install cudnn=8.1.0

安装Torch:

TensorFlow、Torch 安装GPU版本记录_第5张图片

命令安装:

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

(有些教程说要去掉: -c   ;

我这里没有去掉也未出现问题,如果最后有问题出现,有可能是这里的问题,可以去掉重试)

 测试安装结果:

查看已安装的库版本:conda list

 代码测试:

python
import torch
torch.cuda.is_available()

结果为True,说明安装成功

安装TensorFlow-gpu

(1)查看对应版本:在 Windows 环境中从源代码构建  |  TensorFlow

TensorFlow、Torch 安装GPU版本记录_第6张图片

根据之前说的CUDA向下兼容的情况,可以安装TensorFlow-gpu=2.6.0

安装:(镜像安装,速度飞起)

pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple 

测试:

python
import tensorflow as tf
print(tf.test.is_gpu_available())

 结果为True,安装成功

总结

希望可以帮大家解决一些遇到的同样问题。

你可能感兴趣的:(经验,tensorflow,python,人工智能)