Windows10下 tensorflow-gpu 配置

越来越多的的人入坑机器学习,深度学习,tensorflow 作为目前十分流行又强大的一个框架,自然会有越来越多的新人(我也刚入门)准备使用,一般装的都是 CPU 版的 tensorflow,然而使用 GPU 跑 tensorflow,速度可以快上好几倍。正好前段时间看到了使用小米pro(我目前使用的笔记本,感觉贼好用(我没有在推销))配置 gpu 的教程,就试了试,最后成功了。

环境

操作系统:Windows10

配置:Tensorflow 1.12 + CUDA 9.0 +cuDNN v7.1 for CUDA9.0

GPU:NVIDIA GeForce MX150(小米pro i7-8550 8G 256G)

软件:Anaconda(我之前写过安装教程)

注:发现 tensorflow 1.13 发布了,但其配置要求与1.12版本有所差别,若按照本博客配置1.13版本运行会报错(可能与cuda版本相关,据说1.13版本支持cuda10了,可以试试cuda10)。         2019/3/2

实际操作

一、安装CUDA、cuDNN

需要考虑版本配套问题,不然即使装了最后也会报错。这里给出 CUDA 和 cuDNN 的网盘连接,提取码:e1ak

关于版本适配问题也可以看我的这篇文章

CUDA

再给一波关于显卡是否对 CUDA 支持的查看网址,如果不确定自己的显卡是否支持 CUDA,可以去看看。

关于 CUDA 的安装,看这篇文章,写的很详细(好吧,还是我比较懒,不太想敲键盘)

cuDNN

官网下载地址

注意:下载的时候要下对应自己下载的CUDA的版本

把下载好的 cuDNN 的 zip 解压后,把 bin、include、lib 三个文件夹内的文件拷贝到 CUDA 9.0 的目录下的对应文件中即可。

CUDA 的默认路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\

然后开始配置环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

二、创建虚拟环境

这里还是比较建议新创建一个虚拟环境,免得安装好的 tensorflow-gpu 跟原环境中的某些包冲突。

1.打开Anaconda Prompt

Windows10下 tensorflow-gpu 配置_第1张图片

2.创建虚拟环境

键入

conda create --name tensorflow-gpu python=3.6.1

3.启动虚拟环境

activate tensorflow-gpu

Windows10下 tensorflow-gpu 配置_第2张图片

三、安装tensorflow-gpu

1.安装

两种方法

  1. pip install --upgrade tensorflow-gpu

  2. 下载 tensorflow-gpu 的离线安装包,找到下载好的whl路径,然后键入

    **

    pip install c:...\tensorflow_gpu-xxxx.whl
    

    下载地址

2.测试

输入

python

然后再输入

import tensorflow as tf

如果没报错,就表示安装成功了。

然后,再来段 tensorflow 的 hello world

import tensorflow as tf
tf.enable_eager_execution()

a = tf.constant(1)
b = tf.constant(1)
c = tf.add(a, b)  

print(c)

Windows10下 tensorflow-gpu 配置_第3张图片

总结

至此,我们的 tensorflow-gpu 就装好了,接下来就开始 tensorflow 的学习之旅吧。

你可能感兴趣的:(tensorflow,人工智能,python,机器学习,计算机视觉,pytorch,深度学习)