安装Cuda9.0+cudnn7.3.1+tensorflow-gpu1.13.1
我的安装版本:
- win10 x64
- VS2015
- conda python 3.7
- 显卡 GTX 940mx
- Cuda 9.0
- cudnn v7.3.1
- Tensorflow-gpu 1.13.1
1.安装Anaconda
自动安装python3.7
2.安装VS2015
tensorflow其实是基于VC++2015开发的,所以需要安装vs2015
下载地址 https://pan.baidu.com/s/1F7g4sn5qj82RI0syjznFMQ 密码:fe9f
https://my.visualstudio.com/Downloads?q=visual%20studio%202015&wt.mc_id=o~msft~vscom~older-downloads
3. 安装显卡驱动
去官网找适合自己型号即可
4. 安装CUDA
显卡型号支持:https://developer.nvidia.com/cuda-gpus
下载安装CUDA,安装好之后把CUDA安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0下的bin和lib\64添加到Path环境变量中
在命令行输入nvcc --version(或者nvcc -V,大写的V),出现此图说明成功安装了vs+cuda+cudnn
如果之前已安装高版本显卡驱动,安装CUDA时需要自定义并取消最下面的驱动安装,否则也会安装失败。
5. 安装cuDNN
下载CuDNN需要注册账号
解压压缩包,把压缩包中bin,include,lib中的文件分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0目录下对应目录中
6. 拷贝dll
把C:\Program Files\NVIDIA GPU Computing Tookit\CUDA\v9.0\extras\CUPTI\libx64\cupti64_80.dll拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
7. 进入cmd,安装gpu版本的TensorFlow
要注意用conda装tensorflow时候,会自动下载cuda和cudnn,如下图所示,我想要cuda9.0,却被conda自动安装了10.0;
而这里用conda自动安装的版本可能和直接在电脑上安装的cuda版本不一致,所以在安装好pip install tensorflow-gpu==1.13.1之后,要重新安装pip install cudatoolkit==9.0(不用卸载cudatoolkit,因为卸载cudatoolkit会将tensorflow-gpu等相关文件一并卸载,直接装需要的cudatoolkit版本,就会将原先的版本卸载掉,再安装新的版本),否则会报内外版本不一致的错误。
安装tensorflow时,直接在命令行输入安装速度会很慢,可以尝试使用国内的镜像
可以在使用pip的时候在后面加上-i参数,指定pip源
eg: pip install *** -i https://pypi.tuna.tsinghua.edu.cn/simple
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
8. 测试是否安装成功
import tensorflow as tf x= tf.random_normal((10, 10)) y = tf.random_normal((10, 50)) z = tf.matmul(x, y) sess = tf.InteractiveSession() sess.run(z) print(z)
参考文献:
【3】win10 + cuda(v9.0) 安装TensorFlow-gpu版
【4】win10安装tensorflow-gpu版安装连接(visual studio2015+cudn8.0+cudnn6+anaconda3+tensorflow-gpu)
【5】Windows下搭建TensorFlow环境(GPU版本)
【7】windows 10 64bit+Tensorflow+Keras+VS2015+CUDA8.0+cuDNN v6.0 GPU加速