tengsorflow官网
TensorFlow_GPU 安装参考文献
- TensorFlow2.0 的安装(CPU/GPU)--深度学习第一课_你的大数据学长的博客
GPU和CPU对应的显卡表
查阅自己的显卡信息
- 直接打开就可以看到版本信息(或:NVIDIA控制面板-->帮助--->显示)
项目:NVIDIA GeForce GTX1650
细节:驱动版本:511.79
历史cuda版本官网
MSVC 介绍
- 201_ 是 VC运行库,是Visual C++的运行库。【当前已经安装了一个2022的VS】
- 只能硬着头皮做下去了
- 唯一的补充就是安装一个MSVC
- 网址介绍支持:Visual Studio 2015、2017、2019和2022
- 网址:最新支持的Visual C++ 可再发行程序包下载 | Microsoft Docs
查看cuda版本和显卡的对应关系
- 英伟达官网的显卡下载
- 查看显卡算力与cuda关系
- 参考文献,网友博客nvidia显卡和CUDA版本关系 - 简书
- 英伟达显卡GPU官网_算力表
- 为了能兼容PyTorch,查看Torch的CUDA支持版本,最终选择10.2系列版本
下载cuda对应的cunn[10.2版本]
- 下载地址:https://developer.nvidia.com/rdp/cudnn-download
- 我的英伟达账号
CUDA自定义安装
- 安装参考文献:
- 该文献主要内容服务于 自定义安装选项pytorch GPU版本安装_尘世猫的博客
- 选择cuda的时候,需要base版本,否则配置不了环境。
- 自定义安装选项:
- 组件CUDA
- 除了 Visual Studio Integration这个选项不装,其他都跟随默认安装。
- 安装路径:D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
- CUDA Development安装路径:
- D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
- CUDA Documentation安装路径:
- D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
- Samples安装路径:
- D:\Aunzip\NVIDIA\NVIDIA Corporation\CUDA Samples\v10.2
添加CUDA环境变量
- 【最新消息,不用自己配置环境了——2022.06.30】
- 默认配置环境
- CUDA_PATH
- D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
- CUDA_PATH_V10_2
- D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
- 值得探讨的是,我自主添加了下面的环境【如果上面两步不成功,可以添加第三步内容】
- PATH路径:
- D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
- 剩下两个Samples和v10.2两个环境是根据网上的博客做的汇总:
- Samples的环境:
- D:\Aunzip\NVIDIA\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
- D:\Aunzip\NVIDIA\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64
- v10.2的环境:
- D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
- D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
- D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
安装cuDNN
- 解压cuDNN
- 将解压后的文件复制到下面的目录
- D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
选择 TensorFlow的GPU版本
- tensorflow_gpu-2.3.0
- TensorFlow官网参考内容:
- 参见 3
- 需要MSVC 2019
- 满足 参见 6
- 需要算力 7.6以上
- 不满足 参见 7.c
- 需要 CUDA 10.1以上
- 当前使用10.2 参见 9
- conda create -n tensor_gpuPY36 python=3.6
- 激活虚拟环境
- conda activate tensor_gpuPY36
- 安装Tensorflow参考官网
- pip install tensorflow-gpu==2.3 -i Simple Index
找不到文件cudart64_102.dll文件
- 解决参考文献:解决cudart64_101.dll not found的问题_小羊000000的博客
- 改进解决方案:
- 下载cudart64_101.DLL文件
- 下载地址:cudart64_101.dll 免费下载 | DLL‑files.com
- 解压后将cudart64_101.dll文件复制到启动CUDA的启动文件夹
- 启动文件夹是bin开始的,所以放到这个路径
- D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
测试Tensorflow-gpu是否安装成功
- 在Tensorflow环境中启动Python
- import tensorflow
- 测试语句一:
- tf.test.is_gpu_available()
- 测试语句二:
- tf.test.is_built_with_cuda()