时隔多年,笔者更换了笔记本,并且做实验时发现cpu运算速度较慢,接着更博。
在保证tensorflow基本环境没问题下,进行tf-gpu版本安装。
step1- 版本校对
要确定英伟达图形驱动与cuda版本对应:
来源:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
要确定tensorflow与cuda、cuDNN版本对应:
来源:https://tensorflow.google.cn/install/source_windows
在这里,笔者选择tensorflow-2.1、tensorflow-gpu-2.1、英伟达显卡驱动为425.31、cuda-10.1
资源
CUDA10.1
链接:https://pan.baidu.com/s/1BKZ7Q1vtZumW6MWmwIvbwA
提取码:pwt2
CUDNN10.1
链接:https://pan.baidu.com/s/1gu-SUmtAMGVNArUgIqJaKg
提取码:l583
step2-安装软件
在安装好所有对应版本的软件后,使用nividia -smi显示显卡状态,其中process表中,显示not supported。应该是本子显卡不被支持了,笔者并不想降低tf版本。
1.英伟达显卡驱动
下载地址:
https://www.nvidia.cn/Download/index.aspx?lang=cn
2.CUDA
cuda各版本下载地址:
https://developer.nvidia.com/cuda-toolkit-archive
3.CUDNN
下载地址:
https://developer.nvidia.com/rdp/cudnn-archive
下载cudnn并解压后,将文件放入cuda相应文件中。
在这里,笔者选择tensorflow-2.3、tensorflow-gpu-2.3、英伟达显卡驱动为457、cuda-10.1、cudnn8.0.2
step-3 安装tf gpu 2.3.0
激活安装环境
pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple
step-4测试
下载完后我们进行测试tensorflow的GPU版本是否安装成功
输入ipython进入ipython交互式终端,再输入命令
import tensorflow as tf
没有报错继续输入,测试GPU是否可用
tf.test.is_gpu_available()
不错的参考网络资源
https://blog.youkuaiyun.com/qq_37112826/article/details/109326195
晚点补测试