Cpp五条

这个屌丝很懒，什么也没留下！

热门标签

TensorfFlow2【1】WINDOWS系统安装TensorfFlow2，CUDA以及多CUDA_tensorflow 2.12 cuda

作者：Cpp五条 | 2024-02-16 17:40:52

踩

tensorflow 2.12 cuda

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

一.确定自己要安装哪个版本的Tensorflow

1.安装合适的显卡驱动

推荐去官网下载驱动，网址为https://www.nvidia.cn/Download/index.aspx?lang=cn，进入网站后根据自己的显卡类型选择对应的参数即可。

在这里插入图片描述

2.确定自己的电脑适合什么版本的CUDA

Win + R 输入cmd 调出命令提示符，输入 nvidia-smi 查看当前的驱动信息，如果出现nvidia-smi无效命令，在环境变量的path中加入 C:\Program Files\NVIDIA Corporation\NVSMI 即可。

官网：https://docs.nvidia.cn/cuda/cuda-toolkit-release-notes/index.html

进入官网后页面下拉，找到 Table 3.CUDA Toolkit and Corresponding Driver Versions。

	Linux x86_64 Driver Version	Windows x86_64 Driver Version
CUDA 11.7 GA	>=515.43.04	>=516.01
CUDA 11.6 Update 2	>=510.47.03	>=511.65
CUDA 11.6 Update 1	>=510.47.03	>=511.65
CUDA 11.6 GA	>=510.39.01	>=511.23
CUDA 11.5 Update 2	>=495.29.05	>=496.13
CUDA 11.5 Update 1	>=495.29.05	>=496.13
CUDA 11.5 GA	>=495.29.05	>=496.04
CUDA 11.4 Update 4	>=470.82.01	>=472.50
CUDA 11.4 Update 3	>=470.82.01	>=472.50
CUDA 11.4 Update 2	>=470.57.02	>=471.41
CUDA 11.4 Update 1	>=470.57.02	>=471.41
CUDA 11.4.0 GA	>=470.42.01	>=471.11
CUDA 11.3.1 Update 1	>=465.19.01	>=465.89
CUDA 11.3.0 GA	>=465.19.01	>=465.89
CUDA 11.2.2 Update 2	>=460.32.03	>=461.33
CUDA 11.2.1 Update 1	>=460.32.03	>=461.09
CUDA 11.2.0 GA	>=460.27.03	>=460.82
CUDA 11.1.1 Update 1	>=455.32	>=456.81
CUDA 11.1 GA	>=455.23	>=456.38
CUDA 11.0.3 Update 1	>= 450.51.06	>= 451.82
CUDA 11.0.2 GA	>= 450.51.05	>= 451.48
CUDA 11.0.1 RC	>= 450.36.06	>= 451.22
CUDA 10.2.89	>= 440.33	>= 441.22
CUDA 10.1 (10.1.105 general release, and updates)	>= 418.39	>= 418.96
CUDA 10.0.130	>= 410.48	>= 411.31
CUDA 9.2 (9.2.148 Update 1)	>= 396.37	>= 398.26
CUDA 9.2 (9.2.88)	>= 396.26	>= 397.44
CUDA 9.1 (9.1.85)	>= 390.46	>= 391.29
CUDA 9.0 (9.0.76)	>= 384.81	>= 385.54
CUDA 8.0 (8.0.61 GA2)	>= 375.26	>= 376.51
CUDA 8.0 (8.0.44)	>= 367.48	>= 369.30
CUDA 7.5 (7.5.16)	>= 352.31	>= 353.66
CUDA 7.0 (7.0.28)	>= 346.46	>= 347.62

2.tf_python_CUDA_CUDNN版本对应关系

官方网站 https://tensorflow.google.cn/install/source_windows

版本	Python 版本	编译器	构建工具	cuDNN	CUDA
tensorflow_gpu-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.4.0	3.6-3.8	MSVC 2019	Bazel 3.1.0	8.0	11.0
tensorflow_gpu-2.3.0	3.5-3.8	MSVC 2019	Bazel 3.1.0	7.6	10.1
tensorflow_gpu-2.2.0	3.5-3.8	MSVC 2019	Bazel 2.0.0	7.6	10.1
tensorflow_gpu-2.1.0	3.5-3.7	MSVC 2019	Bazel 0.27.1-0.29.1	7.6	10.1
tensorflow_gpu-2.0.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.15.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.14.0	3.5-3.7	MSVC 2017	Bazel 0.24.1-0.25.2	7.4	10
tensorflow_gpu-1.13.0	3.5-3.7	MSVC 2015 update 3	Bazel 0.19.0-0.21.0	7.4	10
tensorflow_gpu-1.12.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7.2	9.0
tensorflow_gpu-1.11.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7	9
tensorflow_gpu-1.10.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.9.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.8.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.7.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.6.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.5.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.4.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.3.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.2.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.1.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.0.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8

确定好想要的版本后将对应的python CUDA CUDNN 下载好即可（如果下载慢可以将复制下载链接后使用迅雷下载）。

python下载地址
https://www.python.org/downloads/windows/

CUDA下载地址
https://developer.nvidia.cn/cuda-toolkit-archive

CUDNN下载地址
https://developer.nvidia.cn/rdp/cudnn-archive

二.安装CUDA

1.点击CUDA安装包

下载完CUDA安装包以后，中间选择精简安装，一直点下一步即可，安装完成后默认的安装位置是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2，也可以自定义安装选择其他位置进行安装。

2.配置系统变量

一般安装完成后一下信息基本会自动添加，有的话跳过，没有就补充（如果上一步的不是在默认位置安装，要注意替换这里的路径）。

变量名	变量值
CUDA_PATH	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
CUDA_PATH_V11_2	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
NVCUDASAMPLES_ROOT	C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.2
NVCUDASAMPLES11_2_ROOT	C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.2
Path	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp C:\Program Files (x86)\NVIDIA Corporation\PhysX\Common C:\Program Files\NVIDIA Corporation\NVSMI C:\Program Files\NVIDIA Corporation\NVIDIA NvDLISR C:\Program Files\NVIDIA Corporation\Nsight Compute 2020.3.1<br/> C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64

3.检查是否安装完毕

Win + R 输入cmd 调出命令提示符，输入nvcc -V查看是否安装成功，安装成功会有以下安装的版本信息：
Cuda compilation tools, release 11.2, V11.2.152
Build cuda_11.2.r11.2/compiler.29618528_0

三.安装CUDNN

1.解压

解压cudnn压缩包，会出现一个cuda文件夹，进入该文件夹后会有 bin,include,lib三个文件夹，将这三个文件夹复制，直接粘贴在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\ 文件夹中即可。

2.配置系统变量(有的话跳过)

变量名	变量值
Path	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64

3.检查是否安装完毕

进入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite，
再进入其路径对应的命令行窗口（Win + R 输入cmd 调出命令提示符进入该路径），
在命令行窗口分别输入 deviceQuery.exe 和 bandwidthTest.exe 回车运行，最后都出现 Result = PASS 即可。

四.安装tensorflow

1.使用默认镜像源安装

对于 1.15 及更早版本，CPU 和 GPU 软件包是分开的：

pip install tensorflow==1.15      # CPU
pip install tensorflow-gpu==1.15  # GPU
1
2

后续的版本直接

pip install tensorflow==2.x.x
1

该方法速度慢，甚至会导致直接安装失败，可以修改本地镜像源地址后使用该方法，或者直接使用第2个方法。

2.指定镜像源安装

pip install tensorflow==1.15 -i https://pypi.tuna.tsinghua.edu.cn/simple/
1

常用镜像源

清华大学	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/
华中理工大学	http://pypi.hustunique.com/
山东理工大学	http://pypi.sdutlinux.org/
豆瓣	http://pypi.douban.com/simple/
网易	http://mirrors.163.com/
北京外国语大学	https://mirrors.bfsu.edu.cn/pypi/web/simple/

3.修改本地的镜像源

# 修改本地的镜像源
pip config set global.index-url https://mirrors.bfsu.edu.cn/pypi/web/simple/

# 查看默认镜像源
pip config list
1
2
3
4
5

安装完检查是否安装成功

import tensorflow as tf

print(tf.config.list_physical_devices('GPU'))
# 出现如下信息表示安装成功
# [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
1
2
3
4
5

五.一台电脑安装多个CUDA

先安装低版本CUDA，再安装高版本CUDA，否则低版本的显卡驱动不兼容包版本程序。

1.安装CUDA

同上。

2.安装CUDNN

同上。

3.切换CUDA

假如安装了v11.2和v8两个版本，此时环境变量path中有以下值：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp

使用哪个版本就把哪个版本的两个变量放在path的最前面。

4.检查是否切换完毕，不同版本输出的信息不一样

命令行窗口输入 nvcc -V
使用8.0 版本时输出：Cuda compilation tools, release 8.0, V8.0.60
使用11.2版本时输出：Cuda compilation tools, release 11.2, V11.2.152

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Cpp五条/article/detail/95721

TensorfFlow2【1】WINDOWS系统安装TensorfFlow2，CUDA以及多CUDA_tensorflow 2.12 cuda

文章目录

一.确定自己要安装哪个版本的Tensorflow

1.安装合适的显卡驱动

2.确定自己的电脑适合什么版本的CUDA

2.tf_python_CUDA_CUDNN版本对应关系

二.安装CUDA

1.点击CUDA安装包

2.配置系统变量

3.检查是否安装完毕

三.安装CUDNN

1.解压

2.配置系统变量(有的话跳过)

3.检查是否安装完毕

四.安装tensorflow

1.使用默认镜像源安装

2.指定镜像源安装

3.修改本地的镜像源

五.一台电脑安装多个CUDA

1.安装CUDA

2.安装CUDNN

3.切换CUDA

4.检查是否切换完毕，不同版本输出的信息不一样