Windows+Nvdia显卡配置Tensorflow

这篇其实算是自己的笔记,因为配置Tensorflow的过程有点多又记不住,免的每次都搜了,索性记录下来。

如标题所示为了完成配置工作首先得是windows,其次得有Nvdia显卡,接着就可以开工了。

哦,对,python也得有吧,我一直用的3.7.9,非常的稳定,非常的奈斯。

所以前期准备工作:windows+nvdia显卡+python

另外很多在windows上跑的语言或者库都需要底层c++的支持,否则会报一些奇奇怪怪的问题,所以保险起见,装一个VC_redist.x84。

依赖文件:VC_redist.x84

接着说到配置模型在显卡上运行,网上教程有很多,叽里呱啦装一堆东西,但是很少有人说为什么装这些东西,其实从原理上来说我们的诉求是用python编写程序,要用nvdia的显卡帮我加速去跑模型,就是用python去给nvdia显卡编程,但显然这是不可能的,nvdia的显卡怎么会认识python这个语言呢。但是Nvdia有自己的编程库cuda,显然我们一个python开发再去学cuda开发这个学习成本也太高了,但问题来了python也不认识cuda这个库,这就又有了cudnn这个接口文件,所以计算机帮我们做的是我们编写Python语言,cudnn帮我们转换成cuda能认识的语言,在显卡上跑起来,就是这么回事。

所以我们需要装: CUDA+cudnn

以上工作完成后,就可以装tensorflow的环境了,其实不要一听到神经网络AI啥的就发怵觉得神秘莫测一样,其实对做应用来说他也就是一个库,跟os,sys,maths这些最基本的库都一样,毕竟很多人都是在用现成的算法,而不是去写一个算法,只是我们要用tensorflow做一些ai的开发,需要的知识储备量确实比做一些软件开发要稍微多一些。

除了tensorflow这个环境之外,另外需要装的就是开发工具,anaconda和VS code都可以,我认识的人一半一半,我两个都用过,现在偏向于VS Code,anaconda太大了,而且我经常会碰到一些奇奇怪怪的问题。

开发环境:tensorflow+VS code

以上为全部需要装的工具,以下为下载网址:

  1. Python,网址Download Python | Python.org
  2. VC_redist.x84:Latest supported Visual C++ Redistributable downloads | Microsoft Docs
  3. CUDA:https://developer.nvidia.com/cuda-toolkit-archive
  4. cudnn:cuDNN Archive | NVIDIA Developer
  5. VS code:Visual Studio Code - Code Editing. Redefined

以上原理部分是我个人的一些理解,可能有不完善甚至错误的地方,大家发现了留言告诉我。以下是正儿八经的环境配置,肯定的正确无误的。

安装python

这个默认大家都会了。

安装VC_redist.x84

下载完成后,一通下一步

Windows+Nvdia显卡配置Tensorflow_第1张图片

 

安装cuda

输入命令nvidia-smi,查看驱动版本和CUDA版本

Windows+Nvdia显卡配置Tensorflow_第2张图片

根据cuda版本查找对应的cuda,发现有好几个,点击后面的versioned online documentation

Windows+Nvdia显卡配置Tensorflow_第3张图片

 查看是否满足之前511.69的版本需求Windows+Nvdia显卡配置Tensorflow_第4张图片

 以上找到需要的版本,点击下载Windows+Nvdia显卡配置Tensorflow_第5张图片

下载完成后,安装,注意在自定义中要去掉Visual Studio Integration,忘记截图了,这是VS的插件,容易导致安装失败。

Windows+Nvdia显卡配置Tensorflow_第6张图片

 安装完成后输入,nvcc -V,查看是否安装成功

Windows+Nvdia显卡配置Tensorflow_第7张图片

 cudnn

解压缩后全部拷贝到CUDA的安装目录下

Windows+Nvdia显卡配置Tensorflow_第8张图片

 添加CUDA的环境变量,一共4个:bin,lib/x64,libnvvp 还有一个是Cuda版本的根目录,如图V11.6这个路径所示

Windows+Nvdia显卡配置Tensorflow_第9张图片

 安装Tensorflow

直接pip安装就好了

Windows+Nvdia显卡配置Tensorflow_第10张图片

编写以下代码,验证是否安装成功并且能够识别到显卡

import tensorflow as tf

print(tf.__version__)

print('GPU', tf.test.is_gpu_available())

使用python运行刚刚的代码,看到如下一坨提示,就表示安装成功了。
Windows+Nvdia显卡配置Tensorflow_第11张图片

 

 

 

你可能感兴趣的:(tensorflow,人工智能,python)