Update : 2019.03.08
硬件:Ryzen R7 1700x + GTX 1080Ti
系统:Windows 10 Enterprise Version 1809 Update March 2019
NVIDIA 419.35 驱动
Visual Studio 2017 (需要C++部分)
Python 3.6.x x64
下载地址:https://developer.nvidia.com/cuda-10.0-download-archive
下载地址:https://developer.nvidia.com/rdp/cudnn-download
解压后覆盖到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
目录即可。
下载地址:https://developer.nvidia.com/CUPTI
CUDA 工具包附带
下载地址:https://developer.nvidia.com/nccl/nccl-download
可实现多 GPU 支持。仅支持Linux。
下载地址:https://developer.nvidia.com/nvidia-tensorrt-download
可缩短在某些模型上进行推断的延迟并提高吞吐量。仅支持Linux。
DXSDK_Jun10.exe下载地址:https://www.microsoft.com/en-us/download/details.aspx?id=6812
Win10安装时会提示S1023的错误,不用管。C:\Program Files (x86)\Microsoft DirectX SDK (June 2010)\Include\d3dx9.h
,d3dx10.h
,d3dx11.h
文件存在就可以。
这些都装完了就可以到C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
中打开项目。
一共155个,都编译成功即可。然后到C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\
下的Debug
或Release
内找到deviceQuery.exe
,用命令行运行,不报错说明CUDA安装成功。
pip install --upgrade tensorflow-gpu
使用下列代码测试安装正确性
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
pip install --upgrade numpy
pip install --upgrade scipy
pip install --upgrade pandas
pip install --upgrade keras
pip install --upgrade matplotlib
Ryzen R7 1700x支持:SSE、SSE2、SSE4.1、SSE4.2、AVX、AVX2、FMA。
Win10下的nvidia-smi
在 C:\Program Files\NVIDIA Corporation\NVSMI
目录内。
转载自:https://www.cnblogs.com/sorex/p/7615185.html