当前位置:   article > 正文

Windows上安装GPU版TensorFlow教程(tensorflow-gpu==2.10.0)_windows tensorflow gpu

windows tensorflow gpu

前情提示:Windows上只能安装到Tensor Flow-GPU==2.10.0,后续没有在Windows提供更新(本机配置:RTX 3060 Laptop 6G)

一. 安装CUDA11.2与对应的CUDNN8.1.0

1. CUDA11.2安装

CUDA下载链接中下载CUDA11.2安装包CUDA下载链接

05748a0924a84b368e727c1c5563ce8e.png

下载上图中名为CUDA Toolkit 11.2.0的安装包

安装完成后打开下载文件夹

双击cuda_11.2_XXX_windows.exe,进入安装程序:

c780bf72874c4f40bec7cd43dd30e4e3.png

这里是临时选择临时提取的文件夹,不用管直接点击ok

9e95380ed84b4e82a7ba6d31d53b28e0.png

提取完毕,程序会检查兼容性

54daf22573e74fd1b711403b9e90b400.png

选择【同意并继续】,选择【自定义】安装:

ca01ddae1d33455aa9496d007c5ae2ad.png

在CUDA中取消勾选Visual Studio Integration,这是VS的插件,容易导致安装失败,我因为用pycharm所以就不勾选了

db47eef3d0c0465b97330e2b9679cdb3.png

后面还有三个选项。NVIDIA GeForce Experience 是显卡驱动程序,如果你已经更新了显卡驱动版本,就不用选了,因为每个CUDA版本里面都含显卡驱动程序,如果你每次都选相当于每次更新显卡驱动版本。Other components 是声卡等设备驱动程序,可以点击查看当前计算机版本,如果比“新版本”高,则不用另外安装,不用选,最后一个也是。(大家可自己根据自身情况)

5e325797dfa0491ab5dbd681f89dcf5e.png

然后选择安装路径,点击安装

等待安装完毕,可以检查是否安装成功,在终端键入命令

nvcc -V

查看CUDA版本,能显示则成功了。

e32c90beb5244e6ca1084623e917cf19.png

2. CUDNN8.1安装

CUDNN下载链接CUDNN

进入页面后下滑找到图示对应版本进行下载:

0d51cd05cbaa4b79aaccbf0e70959cfd.png

CUDNN下载好后解压

072855bbdbbe424f84d105495b00a076.png

把里面三个文件夹中的内容分别复制再粘贴到CUDA安装目录里对应的同名文件夹里面,注意,lib文件夹内容要移动到lib\x64目录下

以CUDNN中bin文件夹为例:

8843123931f54a439867f2f58b43c8aa.png

d8f5c16966384b64a067dcbf9b386110.png

其他对应文件内容依次类推,此操作的主要目的是把CUDNN中用于GPU计算的包导入CUDA中,不然无法让tensorflow使用GPU来进行计算。

最后,配置下系统环境即可:
右键【此电脑】又名计算机—【属性】—【高级系统设置】-【环境变量】-下半部分【系统变量】里找到【Path】,双击打开(或者点编辑)

618383d538824d47adedbb485d5b0c39.png

由于我修改了安装路径,所有我配置的环境变量与默认值不同,你只需要把CUDA安装文件夹中对应的bin、libnvvp和lib\x64文件夹配置在环境变量中即可

到此CUDA与CUDNN环境配置完成

二. TensorFlow-GPU安装

进入conda命令窗口:

14710e2fc7c24bbb8e3069ccebc68c84.png

输入命令创建虚拟环境:

conda create -n tf_gpu python=3.7

创建好后输入命令进入虚拟环境:

conda activate tf_gpu

输入命令进行tensorflow-gpu下载(此处使用中科技大学的镜像源加速下载):

pip install tensorflow-gpu==2.10.0 -i https://pypi.mirrors.ustc.edu.cn/simple/

安装好后输入Python进行编译环境:

python

0231a07ba79047f68040fdac7a6ae626.png

依次输入以下命令查验tensorflow的GPU计算可用性:

import tensorflow as tf
tf.test.is_gpu_available()

返回True则安装配置完成:

abc29947d4be4b7ab784691c1662ca13.png

 

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/IT小白/article/detail/695724
推荐阅读
相关标签
  

闽ICP备14008679号