Win10&Tensorflow2.0搭建GPU深度学习环境

一、安装Tensorflow

建议使用阿里云镜像, 使用pip进行安装tensorflow、tensorflow-gpu：

pip install -i https://mirrors.aliyun.com/pypi/simple  tensorflow --trusted-host mirrors.aliyun.com

pip install -i https://mirrors.aliyun.com/pypi/simple tensorflow-gpu

二、安装cuda和cudnn

建议安装cuda 10.0版本，官网下载即可，选择自定义安装, NVIDIA GeForce Exprience，CUDA选项下面的Visual Stdio Integration 不用勾选

cudnn下载与cuda版本配套的，下载之后解压，解压之后文件名改为cudnn，并将该文件夹放置于C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0目录下面。然后配置环境变量：

环境变量配置

三、测试是否能够使用GPU计算了：

运行下列代码看是否正常：

import tensorflow as tf
import timeit

print(tf.test.is_gpu_available())

with tf.device('/cpu:0'):
    cpu_a = tf.random.normal([10000, 1000])
    cpu_b = tf.random.normal([1000, 2000])
    print(cpu_a.device, cpu_b.device)

with tf.device('/gpu:0'):
   gpu_a = tf.random.normal([10000, 1000])
   gpu_b = tf.random.normal([1000, 2000])
   print(gpu_a.device, gpu_b.device)


def cpu_run():
    with tf.device('/cpu:0'):
        c = tf.matmul(cpu_a, cpu_b)
    return c


def gpu_run():
    with tf.device('/gpu:0'):
        c = tf.matmul(gpu_a, gpu_b)
    return c

# warm up
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)

cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)