安装CUDA9.0及对应版本的tensorflow-gpu详细过程补充

本文大多借鉴此博客,请阅读下边的说明后参考本博客安装:安装CUDA9.0及对应版本的tensorflow-gpu详细过程(Windows server 2012R2版本也可以)

下面是对上述教程的补充:

查看自己电脑NV显卡驱动的版本,找到对应的CUDA版本

方法参考链接
版本对照表:
安装CUDA9.0及对应版本的tensorflow-gpu详细过程补充_第1张图片

比如我的电脑NV显卡驱动版本是385.54,那么我就去下载CUDA9.0(如果显卡版本太低,可以下载一个驱动精灵更新一下英伟达显卡驱动,然后再查看一下对应的cuda版本)
安装CUDA9.0及对应版本的tensorflow-gpu详细过程补充_第2张图片

vs2015和cuda的安装问题

按照原博客,一定要先安装vs2015/2017,然后再安装cuda,顺序反了的话cuda安装的时候不会生成配置文件,这导致你用vs2015导入项目失败。补救措施就是卸载cuda,装完vs再重新装cuda

环境变量

原博客中的这个路径我没找到,,,但是后边也能用,玄学。
C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.0\bin

cuDNN版本问题

下载cuDNN的时候发现“for 9.0”的几乎每年都会有新版本,原博客推荐的是7.0.5。比较新的是7.6.5,我下载了前者,成功了。有兴趣的同学可以试试7.6.5

安装tensorflow

原博客推荐安装1.8版本的。但是实测不行,我的方案是:
在pycharm中用小加号直接安装tensorflow-gpu 1.12.0,对应版本的tensorflow也会被安装上的。如果有需要可以继续用小加号安装keras-gpu 2.2.4(这个只安装gpu版本的就行)
附上一张tensorflow和keras的版本对照表:https://www.cnblogs.com/carle-09/p/11661261.html
这里说明一下,tensorflow 1.12.0是自带keras 2.1.6的,也可以再单独安装keras。使用的时候不要混着用就行,一般情况下使用tensorflow自带的keras就行。
查看tensorflow中keras的版本:

import tensorflow as tf
from keras import layers
 
print(tf.VERSION)# 1.12.0
print(tf.keras.__version__)# 2.1.6-tf

查看单独装的keras版本:

import keras
print(keras.__version__) # 2.2.4

三个你可能遇到的问题:

  • 安装完毕使用tensorflow可能会出现numpy版本过高警告:
    [TensorFlow报错FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated…]
    解决方法推荐修改dtype代码,修改方式参考:https://blog.csdn.net/BigDream123/article/details/99467316

(https://blog.csdn.net/kobe_academy/article/details/99706595)
也可以安装一个低版本的numpy就可以了,注意,不要在pycharm中卸载numpy_base,因为你的tensorflow和keras也会一并被卸载掉
但是不太推荐numpy降级,因为python包都是相互依赖的,可能会导致其他问题

```bash
pip install numpy==1.16.4
```

执行上述命令他会自动卸载掉高版本的numpy,其实忽略这个警告也行

  • h5py包出错
    成功解决:FutureWarning: Conversion of the second argument of issubdtype from float to np.floating is
    这个对h5py进行更新升级:

    pip install h5py==2.8.0rc1
    
  • 测试是否安装好tensoflow-gpu的python代码:

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

    如果输出True就是能用GPU了,恭喜!

你可能感兴趣的:(软件使用技巧,tensorflow,cuda,cudnn)