WIN10【Tensorflow-gpu+Anaconda3+cuda9.0+cudnn7.1】安装记录!

 

首先,版本问题一定要适配https://www.tensorflow.org/install/source_windows,我装的是tensorflow-gpu1.11.0,配套是

CUDACuDNN

CUDA是NVIDIA推出的运算平台,CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案。在安装之前要查询下最新TensorFLow发行版支持到了哪个版本。

1)显卡型号支持:https://developer.nvidia.com/cuda-gpus

img

2)CUDA下载地址:https://developer.nvidia.com/cuda-toolkit-archive

img

3)CuDNN下载地址:https://developer.nvidia.com/rdp/cudnn-download

(下载CuDNN需要注册账号,注册过程比较简单)

img

TensorFlow

TensorFlow的版本信息可以在Github,tensorflow中文社区以及pypi上查看。

Github:https://github.com/tensorflow/tensorflow/releases

tensorflow社区:https://tensorflow.google.cn/versions/

pypi:https://pypi.org/project/tensorflow/#history

TensorFlow可以直接在Anaconda Prompt的命令行中用指令:“conda install tensorflow-gpu”直接安装,并且该指令在安装TensorFlow时还会顺带把Cuda和CuDNN也给装了。考虑到conda 的软件包并没有官方支持,并且tensorflow和附带的Cuda和CuDNN版本都不是最新的,笔者未使用conda安装,而是使用原生的 pip 安装,安装过程见后文。

第一步:安装Anaconda

1.下载和安装

下载地址:https://www.anaconda.com/download/

img

我系统是64位,所以下载 64-Bit Graphical Installer (631 MB),之后就是进行安装了。

img

和安装其他软件没有什么区别,需要注意的是这一步,不要勾选**“Add Anaconda to my PATH enviroment variable”,我们后面会手动加入。

img

接下来就是等待了,安装结束后需要测试是否能正常使用,打开CMD输入“conda”命令,发现提示“’conda’ is not recognized as an internal or external command, operable program or batch file.”

img

这是由于我们没有配置环境变量的原因。

2.配置Anaconda环境变量

我们点击左下角搜索栏搜索“环境变量”

img

点击环境变量

img

选择“Path”,点击“编辑”

img

将以下三个路径加入,注意这里要换成你自己的安装路径。

  • G:\Anaconda\Anoconda3
  • G:\Anaconda\Anoconda3\Scripts
  • G:\Anaconda\Anoconda3\Library\bin
  • G:\Anaconda\Anoconda3\Library\mingw-w64\bin

G:\Anaconda\Anoconda3\Scripts

然后点击“确定”保存,这回再测试一下,再cmd中输入“conda -V”,能正常显示版本号,证明已经配置好了。

img

来自 <https://www.cnblogs.com/guoyaohua/p/9265268.html#%E7%AC%AC%E4%B8%80%E6%AD%A5%E5%AE%89%E8%A3%85anaconda>

第二步:安装TensorFlow-GPU

打开tensorflow官网:https://www.tensorflow.org/install/install_windows#installing_with_anaconda

img

跟着操作步骤走就可以了。

1.创建conda环境

通过调用下列命令,创建一个名为tfgpu的Conda环境:

conda create -n tfgpu pip python=3.6

img

等待相应包的安装,如果国内网络太慢的话,可以为conda设置清华源,这样速度能快一点,具体配置过程,网上查一下吧,此处不再讲述。如果看到这样的提示,就证明conda环境创建成功。

img

2.激活环境

通过以下命令激活conda环境:

activate tensorflow

img

这样就进入了刚创建的“tensorflow”环境。

3.安装tensorflow-gpu

安装GPU版本的tensorflow需要输入以下命令:

pip install –ignore-installed –upgrade tensorflow-gpu

如果只需要安装CPU版本的tensorflow则输入以下命令:

pip install –ignore-installed –upgrade tensorflow

img

这样就安装成功了。

注意:务必注意一点,在安装完tensroflow后,由于我们是新创建的conda环境,该环境中基本上是空的,有很多包和IDE并没有安装进来,例如“Ipython”,“spyder”此时如果我们在该环境下打开spyder/Ipyton/jupyter notebook等,会发现其实IDE使用的kernel并不是新建立的这个环境的kernel,而是“base”这个环境的,而“base”环境中我们并没有安装tensorflow,所以一定无法import。这也就是为什么有很多人在安装好tensorflow后仍然在IDE里无法正常使用的原因了。**

通过以下命令安装Anaconda基础包

conda install anaconda

这回,我们测试一下是否能import tensorflow

img

程序报错,这是由于我们虽然安装好了tensorflow-gpu,但是还需要安装CUDA Toolkit 和 cuDNN。

第三步:安装CUDA Toolkit + cuDNN

1.查看需要安装的CUDA+cuDNN版本

注意,tensorflow是在持续更新的,具体安装的CUDA和cuDNN版本需要去官网查看,要与最新版本的tensorflow匹配。

点击查看最新tensorflow支持的CUDA版本:https://www.tensorflow.org/install/install_windows#requirements_to_run_tensorflow_with_gpu_support

img

现在(PS:此博客书写日期 2018年7月5日)最新版tensorflow支持的是 CUDA® Toolkit 9.0 + cuDNN v7.0,一定注意,安装的版本一定一定要正确,不要看NVIDIA官网推出CUDA® Toolkit 9.2了就感觉最新版的更好,而安装最新版,这样很可能会导致tensorflow无法正常使用,所以一定要跟着tensorflow 官网的提示来。

2.下载CUDA + cuDNN

在这个网址查找CUDA已发布版本:https://developer.nvidia.com/cuda-toolkit-archive

img

进入下载界面

img

下载好CUDA Toolkit 9.0 后,我们开始下载cuDnn 7.0,需要注意的是,下载cuDNN需要在nvidia上注册账号,使用邮箱注册就可以,免费的。登陆账号后才能下载。

cuDNN历史版本在该网址下载:https://developer.nvidia.com/rdp/cudnn-archive

img

img

这样,我们就下载好了 CUDA Toolkit 9.0 和 cuDnn 7.0,下面我们开始安装。

img

3.安装 CUDA Toolkit 9.0 和 cuDnn 7.0

至关重要的一步:卸载显卡驱动

由于CUDA Toolkit需要在指定版本显卡驱动环境下才能正常使用的,所以如果我们已经安装了nvidia显卡驱动(很显然,大部分人都安装了),再安装CUDA Toolkit时,会因二者版本不兼容而导致CUDA无法正常使用,这也就是很多人安装失败的原因。而CUDA Toolkit安装包中自带与之匹配的显卡驱动,所以务必要删除电脑先前的显卡驱动。

安装

img

img

此处选择“自定义(高级)”

img

勾选所有

img

一路通过即可。

接下来,解压“cudnn-9.0-windows10-x64-v7.zip”,将一下三个文件夹,拷贝到CUDA安装的根目录下。

img

这样CUDA Toolkit 9.0 和 cuDnn 7.0就已经安装了,下面要进行环境变量的配置。

配置环境变量

将下面四个路径加入到环境变量中,注意要换成自己的安装路径。(此处最好放到anaconda环境变量下面)

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

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

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

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

到此,全部的安装步骤都已经完成,这回我们测试一下。

安装完成后,打开cmd窗口,输入nvcc -V,查看CUDA是否正确安装。若正确安装,会出来下图:

da compl ler driver  nvcc :  Copyright (https://jinluzhang.site/PublicPic/Pic/clip_image031.png) 2005—2017 WIDIA Corporation  Built on Fri_Sep_1 21:08:32_Centra1_Day1ight_Time_2017  Cuda compi lation tools, release 9. 0, V9. 0. 176

第四步:测试

1.查看是否使用GPU

import tensorflow as tf
tf.test.gpu_device_name()

img

2.查看在使用哪个GPU

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

img

好了大功告成!

https://www.cnblogs.com/guoyaohua/p/9265268.html