前言:
Tensorflow 的 GPU版本需要安装 CUDA 库。不同的 python 版本,tensorflow-gpu版本,以及 cuda 库版本都是有一定的对照关系的,同时在不同的操作系统上 (linux/windows/macos) 的安装也有差异。
步骤:
1.根据自己的显卡型号选择cuda版本
通过显卡控制面板找到自己显卡可支持的cuda tool kit 版本,方法为:
NVIDA 控制面板 --> help --> system information --> components --> NVCODA64.DLL
在这里下载对应版本的 cuda tool kit 。
把cuda安装路径的bin目录添加到动态库搜索路径下,比如环境变量PATH。
一般设置完PATH后要重启下电脑或者重启explorer.exe。
2.根据cuda版本安装cuDNN版本
从这里找到cuDNN与cuda版本的对照关系及下载路径。
解压后,把文件复制到cuda安装目录同名的文件夹下。比如cuDNN/bin里面的内容复制到cuda/bin,同理有lib和include。
3.根据cuda版本安装 python版本 和 tensorflow版本
根据对照表见 Windows 对照表 ,LINUX 对照表 , 找到匹配的python版本和tensorflow版本。
安装python
略
安装tensorflow
早于1.15版本的tensorflow,cpu和gpu版本是分开的,所以如果某个书里面在说分开安装cpu和gpu版本,那么那本书已经有点过时了。
如果想使用1.15版本之前的tensorflow,可以用如下命令分别安装cpu和gpu版本:
pip install tensorflow==1.15 # CPU
pip install tensorflow-gpu==1.15 # GPU
晚于1.15版本的tensorflow
以 cuda 版本为 11 为例子,对应的python版本和 tensorflow版本为 :
tensorflow_gpu-2.4.0 | 3.6-3.8 | MSVC 2019 | Bazel 3.1.0 | 8.0 | 11.0 |
安装tensorflow
pip install tensorflow==2.4
需要注意的是,python版本如果不对的话,在python仓库里可能会搜不到2.4版本的tensorflow,所以要保证python版本不高于3.8
参考链接:
CUDA Installation Guide for Microsoft Windows