Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras

使用环境:Windows 10 Professional + Pycharm

需要使用:Tensorflow+keras

顺序安装:CUDA→CUDNN→Tensorflow


特别注意版本与版本之间的对应

1.确定显卡目前支持的CUDA版本,下载对应CUDA版本,安装

英伟达官方CUDA下载地址:    CUDA Toolkit Archive | NVIDIA Developer

2.根据安装的CUDA版本,找到对应支持的CUDNN版本文件,替换到安装好的CUDA文件夹中

英伟达官方CUDNN下载地址:  cuDNN Archive | NVIDIA Developer

注意!CUDNN文件下载需要注册英伟达账户,右上角注册登陆后即可对应打开下载

3.根据安装好的CUDA和CUDNN版本,确定对应支持的Tensorflow版本后,再使用pip命令安装


安装过程:

选择对应的CUDA、CUDNN文件,进行下载

1.确定CUDA版本,进入英伟达控制面板→帮助→系统信息→组件

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第1张图片

 可以看到,支持CUDA11.4系的使用,接着进入英伟达CUDA下载页面

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第2张图片

这里我选择最新2022年的11.4版本进行安装 

2.进入英伟达CUDNN下载页,下载对应的CUDNN文件

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第3张图片

 这里我选择21年9月的CUDNN for cuda11.4版本,选择下载Windows X64的文件格式

再次确认下载的各个版本是否对应匹配

       python版本、CUDA版本、CUDNN版本,是否都对应,特别注意前三个均要对应

       最后确定tensorflow-gpu版本

可以看到,我们可以对应安装的是 tensorflow-gpu 2.4.0的版本

 三开始依次安装

1.安装CUDA

默认安装路径启动

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第4张图片

使用自定义安装,去勾选VS选项

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第5张图片

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第6张图片 Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第7张图片

 Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第8张图片

 安装完后,重启计算机

 配置环境变量,将 CUDA下的 bin目录、lib\x64目录,配置到path中去

 默认安装位置    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第9张图片

 配置后,检查一下CUDA版本,cmd窗口下,输入 nucc -V

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第10张图片

2.安装CUDNN

将下载好的CUDNN文件进行解压,得到一个名为 CUDA的文件夹

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第11张图片

将CUDNN解压文件夹内的所有文件,复制粘贴到CUDA的安装位置

默认安装位置  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4

复制粘贴后如下图 

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第12张图片

最后,检验CUDNN是否安装成功,进入CMD窗口,切到CUDA目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\demo_suite

使用bandwidthtest检测,显示为PASS,即为安装成功

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第13张图片

3.安装Tensorflow

创建一个虚拟环境,在虚拟环境下安装Tensorflow

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第14张图片

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第15张图片 创建一个新的项目在Tensorflow目录下, 项目名为project,选择我们刚才创建的虚拟环境解释器

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第16张图片

 在CMD窗口下,CD至我们创建的Tensorflow路径下,pip list,可以看到是一个新的环境Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第17张图片

 然后我们在该环境下,进行pip安装Tensorflow 2.4.0版本 (我们所对应的版本)

pip install tensorflow-gpu==2.4.0 -i https://pypi.douban.com/simple/

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第18张图片 安装完如下图所示

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第19张图片

最后我们验证一下,Tensorflow是否安装成功

CMD命令窗口进入虚拟环境,pip show tensorflow-gpu

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第20张图片

 显示版本信息为2.4.0,正常导入,均无报错,即安装成功!

以上即全部安装步骤Tensorflow从2.0后,已内置了Kears,导入即可使用!


在我们安装好后,运行Pycharm时,可能会出现的一些问题,另外写了一个记录,在此不作赘述

Tensorflow-GPU2.4.0,使用中出现的问题_Quite不Quiet的博客-CSDN博客


附:CUDA算力表

CUDA算力,MX系列为6.1,与GTX10系算力相同,使用Tensorflow-GPU版能大幅度提高效率

Nvidia MX150安装Tensorflow-GPU版,Pycharm使用Keras_第21张图片

 GTX、RTX系,安装TF-GPU版,同理。

你可能感兴趣的:(技能技巧,tensorflow,keras,深度学习)