本机配置
- 系统:win10
- 显卡:NVIDIA GeForce RTX 2060
安装内容
- CUDA
- cuDNN
- Anaconda
- Tensorflow-gpu
- Keras
- Torch
- Pycharm
配置过程
1、安装CUDA
- 首先在确定你的显卡是否支持CUDA,可以在这里查看,如果显卡在列表中则说明支持CUDA。
- 然后查看显卡支持的CUDA版本,方法是进入NVIDIA控制面板==>帮助==>系统信息==>组件==>NVCUDA.DLL==>产品名称。这里我的显卡支持的CUDA版本为11.1,其他版本我尝试过,都无法成功安装。所以要安装显卡支持的CUDA版本,才能进行后续的配置。
- 在这里发现CUDA10也可以满足
- 可以在手册中参考版本
- CUDA下载地址 https://developer.nvidia.com/cuda-toolkit-archive,选择对应版本下载。
- 安装之前会检查系统兼容性,显卡支持当前版本CUDA时的界面如下,否则就要换成其他版本的CUDA。安装过程较简单,这里不详述(安装时需要Visual Studio或者VC++库,没有的自行下载安装即可)。
- 安装完成后打开命令行,输入”nvcc -V”,出现下列信息说明安装成功。
2、配置CUDA
- 安装成功后在我的电脑上右键,打开属性==>高级系统设置==>高级==>环境变量,可以看到系统中多了两个环境变量:CUDA_PATH 和 CUDA_PATH_V10_0,接下来我们添加如下几个环境变量:
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
- 接着在用户变量的Path中添加:C:\ProgramData\NVIDIA GPU Computing Toolkit\v10.0
- 我们打开命令行,输入”set cuda”查看配置情况,如下图所示说明配置成功。
- 或者,我们也可以进入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite 目录,使用命令行运行 bandwidthTest 和 deviceQuery,若能看到显卡信息和 “Result = PASS”,说明CUDA配置成功。
3、下载并配置cuDNN
下载地址为 https://developer.nvidia.com/rdp/cudnn-archive ,首先要注册账号,然后根据之前安装的CUDA版本选择相应版本的cuDNN。
- 先根据需要安装的TensorFlow的版本要求选择cuDNN,https://github.com/fo40225/tensorflow-windows-wheel。对应选择cuDNN7.3。
- 下载后解压,得到一个名字为cuda的文件夹,然后将里面bin、include和lib文件夹的内容拷贝到CUDA安装目录的相应文件夹中即可(CUDA默认安装目录为:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0)。
4、安装并配置 Anaconda
- 同意加入系统变量的Path中
5、安装 pycharm
- 学生账号可以激活
6、安装TensorFlow-gpu
- 根据python版本号并在这里下载对应的tensorflow_gpu-1.12.0-cp37-cp37m-win_amd64.whl安装包,存入D盘根目录(其他也可)。
- 进入anaconda命令行,输入“pip install “D:\tensorflow_gpu-1.12.0-cp37-cp37m-win_amd64.whl””
- anaconda命令行,
输入“python”回车,输出就安装成功了
import tensorflow as tf
tf.version
tf.path
- 判断是否可用,输出为TRUE,安装成功
import tensorflow as tf
a = tf.test.is_built_with_cuda() # 判断CUDA是否可以用
b = tf.test.is_gpu_available(
cuda_only=False,
min_cuda_compute_capability=None
) # 判断GPU是否可以用
print(a)
print(b)
6、安装 keras
打开命令行,输入”pip install keras”即可。然后打开命令行,输入”python”进入python环境,然后输入”import keras”,若能正常导入keras包说明安装成功,如下图所示。
7、安装Torch-gpu
- 在官网,https://pytorch.org/,查看安装代码
- 安装
打开Anaconda Prompt
安装之前先换成清华的源
activate pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda install pytorch torchvision torchaudio cudatoolkit=10.0
- 测试
import torch
torch.__version__
torch.cuda.is_available()