时间:2021-05-22
记录一下安装win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5
之前已经安装过pycharm、Anaconda以及VS2013,因此,安装记录从此后开始
总体步骤大致如下:
1、确认自己电脑显卡型号是否支持CUDA(此处有坑)
此处有坑!不要管NVIDIA控制面板组件中显示的是CUDA9.2.148。
你下载的CUDA不一定需要匹配,尤其是CUDA9.2,最好使用CUDA9.0,我就在此坑摔的比较惨。
2、下载CUDA以及cuDNN,注意版本对应①查看版本匹配:
https:///p/58607298
import tensorflow as tfimport timeitimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # See https://www.tensorflow.org/tutorials/using_gpu#allowing_gpu_memory_growthconfig = tf.ConfigProto()config.gpu_options.allow_growth = True with tf.device('/cpu:0'): random_image_cpu = tf.random_normal((100, 1000, 100, 3)) net_cpu = tf.layers.conv2d(random_image_cpu, 32, 7) net_cpu = tf.reduce_sum(net_cpu) with tf.device('/gpu:0'): random_image_gpu = tf.random_normal((100, 1000, 100, 3)) net_gpu = tf.layers.conv2d(random_image_gpu, 32, 7) net_gpu = tf.reduce_sum(net_gpu) sess = tf.Session(config=config) # Test execution once to detect errors early.try: sess.run(tf.global_variables_initializer())except tf.errors.InvalidArgumentError: print( '如果出了这个Error表示GPU配置不成功!\n\n') raise def cpu(): sess.run(net_cpu) def gpu(): sess.run(net_gpu) # Runs the op several times.print('Time (s) to convolve 32x7x7x3 filter over random 100x1000x100x3 images ' '(batch x height x width x channel). Sum of ten runs.')print('CPU (s):')cpu_time = timeit.timeit('cpu()', number=10, setup="from __main__ import cpu")print(cpu_time)print('GPU (s):')gpu_time = timeit.timeit('gpu()', number=10, setup="from __main__ import gpu")print(gpu_time)print('GPU speedup over CPU: {}x'.format(int(cpu_time / gpu_time))) sess.close()输出:
Time (s) to convolve 32x7x7x3 filter over random 100x1000x100x3 images (batch x height x width x channel). Sum of ten runs.
CPU (s):
25.24234085335886
GPU (s):
1.5711942943447745
GPU speedup over CPU: 16x
输出表明:这个任务GPU和6个i7的CPU相比快了16倍!
安装踩坑总结:
其中最大的坑就是CUDA、cuDNN、tensorflow-gpu以及python版本之间的匹配了。有时候明明按照官方的版本匹配列表安装,也是不行。
安装之后如果出现“ImportError: DLL load failed: 找不到指定的模块”错误,一般问题都是出在了版本不匹配上。
最需要注意的是CUDA9.2 。最初在NVIDIA控制面板,显示我的显卡支持CUDA 9.2.148,因此我按照推荐列表,选择tensorflow-gpu1.12.0+cuDNN 7.5.0.56+CUDA 9.2.148 +python3.5.5。注意此处有坑!!无论如何都是安装不成功,一直都是“ImportError: DLL load failed: 找不到指定的模块”这个错误。
后来看到有网友说,推荐列表中只给出CUDA版本号 的第一位,一般使用的都是CUDA9.0或者CUDA10.0,后面版本可能会出现不兼容。
于是,卸载CUDA9.2(不要管NVIDIA控制面板组件中显示的是CUDA9.2.148,不一定需要匹配),重新在推荐列表中寻找匹配的cuDNN以及tensorflow-gpu版本,最后成功安装。
总结
到此这篇关于TensorFlow的环境配置与安装教程详解(win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5)的文章就介绍到这了,更多相关TensorFlow环境配置与安装内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
Tensorflow支持基于cuda内核与cudnn的GPU加速,Keras出现较晚,为Tensorflow的高层框架,由于Keras使用的方便性与很好的延展性
总体顺序确定需要安装的tensorflow-gpu版本,点击这里拉到最下方,一般是cuda10和cudnn7.4,以及对应的nvidia驱动,cuda,cudn
tensorflow版本与cuda和cudnn的对应关系:https://tensorflow.google.cn/install/source安装一定要查看C
TensorFlow-gpu1.安装Anaconda进入官网(https://putingToolkit\CUDA\v(version)\bin中9.安装完成O
安装ubuntu20.04安装nvidia驱动配置pytouch和tensorflow环境本机环境:戴尔g33579win10,系统在128固态硬盘安装ubun