深度学习篇——Tensorflow-GPU配置
tensoflow-gpu安装
对于python 3.5和3.6的童鞋们而言,安装tensorflow其实并不难,因为我们可以通过pip直接安装。
不过,第一要求你安装的python是64位的,如下图所示,注意划黄色线的部分。
第二,通过pip安装的话,有一个缺点,那就是会造成cpu的算力不够,因为缺少两个C的库,不过没有影响的。如果你是一个完美主义者,那么就只能通过Bazel方式源码安装Tensorflow了。详细过程我之后会发布相关文章,可以留意一下☺。
cuda配置
最新的Tensorflow-gpu 使用的是cuda 9.0.dll的内容,所以就要下载cuda 9.0对应window或者linux或者mac的版本的安装文件了。(下载网站:https://developer.nvidia.com/cuda-90-download-archive)
我的电脑是window10,所以就选择如图所示的选项。主要的提一点,就是最后的Installer Type这个选项,exe(network)是在线安装版,也就是你执行这个安装程序,需要联网。exe(local)是离线安装版,不过他文件比较大。选完后,点击下面的download就行下载。
下载完成后,双击运行文件
等进度条走完,就会进入安装界面。
如果检测通过了,那么恭喜你,你的显卡可以安装cuda,如果没有通过,只能抱歉的告诉你,只能请你pip unistall tensorflow-gpu,然后执行pip install tensorflow。那你的电脑的显卡不支持tensorflow-gpu加速。
如果你不知道你要安装些什么,那么请你勾选,精简。如果
下面这一步很重要:
CUDA_PATH是C:Program FilesNVIDIA GPU Computing ToolkitCUDA9.0
但是仅仅如此,是不够的,还需要在环境变量里的path全局变量里加入,这个下面的bin和lib\x64目录的路径。
cudnn配置
对于tensorflow而言,真正实现加速的是cudnn,然后cudnn调用的是cuda显卡驱动。所以最后我们要配置cudnn这个模块。
cuDNN的全称为NVIDIA CUDA® Deep Neural Network library,是NVIDIA专门针对深度神经网络(Deep Neural Networks)中的基础操作而设计基于GPU的加速库。cuDNN为深度神经网络中的标准流程提供了高度优化的实现方式,例如convolution、pooling、normalization以及activation layers的前向以及后向过程。
cuDNN只是NVIDIA深度神经网络软件开发包中的其中一种加速库。想了解NVIDIA深度神经网络加速库中的其他包请戳链接https://developer.nvidia.com/deep-learning-software。
下面我们说一下正确的安装cuDNN方式,其实跟着官方安装说明进行安装就可以了。
-
从https://developer.nvidia.com/cudnn上下载cudnn相应版本的压缩包(可能需要注册或登录)。
-
如果这个压缩包不是.tgz格式的,把这个压缩包重命名为.tgz格式。解压当前的.tgz格式的软件包到系统中的任意路径,解压后的文件夹名为cuda,文件夹中包含三个文件夹:一个为include,另一个为lib64,还有一个是bin,然后复制到CUDA_PATH下面。
-
将解压后的文件中的lib/x64文件夹关联到环境变量中。这一步很重要。(配置到环境变量的path全局变量里,详细过程这里就不演示了)
运行tensorflow检验
#coding=utf-8
import tensorflow as tf
import numpy as np
hello=tf.constant('hhh')
sess=tf.Session()
print (sess.run(hello))
如果运行,没有报错,就是表示可以放烟花了。我们可以愉快的开始tensorflow之旅了。
cuda、cudnn资源分享(百度网盘)
链接:https://pan.baidu.com/s/1pYBOe1M2pFHQUAZ8A5uwgw 密码:thji
可能会失效,如果失效,请在下方评论。