win7配置TensorFlow-GPU

    最近一直在学习吴恩达老师的deeplearning课程,发现到后面的一些深度的卷积网络跑起来很吃力,就想搭建个TensorFlow-GPU框架,发现安装个软件也debug了一天。

    记录下这个日子, 也分享下自己的失败经验给和我一样懒得去更新系统的朋友。

    WIN7 +Anacnonda3-5.1.0+CUDA8.0+cuDNN5.1+tensorflow-gpu 1.1.0 

WIN7 + Aaaconda3-5.1.0 + CUDA8.0 + cuDNN5.1 + tensorflow-gpu-1.1.0+tensoflow(cpu)

  •     电脑配置:

           WIN7 

           CPU  Intel xeon E5-2630 v4

           GPU NVIDIA GeForce GTX1080i

  •    准备工作:

        Anaconda3-5.1.0-Windows-x86_64.exe    :官网下载地址

        CUDA 8.0 (CUDA最新版已经9.1,我试了9.1cuda vs 7.1cuDNN 发现不行,就还是用了8.0 CUDA vs 5.1cuDNN): 官方下载

          cuDNN 5.1   cuDNN(下载时,需要注册,和简单的答卷填写,按步骤完成就行,最后请对好版本下载。其实我发现和8.0对应的有好几个版本,网上也有用cuda 8.0 vs 6.0 的 ,后面用anaconda 按照TensorFlow gpu时,它还会安装cuda 8.0 vs 6.0 。所以建议按链接下载吧,最重要的是最后能用不是?)

                

  • TensorFlow 官方指导书(网上教程五花八门,但都不通用,建议安装前先仔细看看官方说明): tensorflow官方指导

         指导里面推荐的是 CUDA9.0 vs cuDNN 7.0。但这个我没试,不知道这个对应的TensorFlow gpu版本是多少?,有试过的可以留言,我也去试试。

  • 具体的安装过程: 
  1. CUDA 8.0 和 cuDNN 5.1的安装请可以参考这篇博客  点击打开链接

        如果你的显卡版本比较高,安装CUDA8.0可能会遇到下图问题(直接继续就ok了)。

     2. Anaconda3-5.1.0-Windows-x86_64.exe安装 ,直接下一步,默认路径安装即可。
          安装完成后如下图所示:刚安装完时应只有base(root)环境,剩下的python35环境是后面配置的,可以看到Anaconda3-5.1.0里面自动帮我们装了Python3.6.4版

        这里安装完成后,我们可以选择修改原始镜像地址为,清华的镜像地址,这样我们在后面会发现下载什么都很快。如果你不想修改,你也可以选择在下载的时候翻墙进行。

         修改镜像:打开 Anaconda Prompt 窗口输入以下命令(参考:清华镜像中科大镜像(备选)):

                     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

                     conda config --set show_channel_urls yes

3. 创建环境(我这里用的3.5,见有人用3.6的,我试了两次,最后配置TensorFlow gpu都失败了,就放弃了):

    在Anaconda Prompt 窗口输入命令:conda create --name pyhon35 python=3.5

    输入y确认,你会看到它在使用我们修改过的镜像地址下载,下载速度很快。   

    安装成功后,你会在你的anaconda navigator 中看到多了一个你创建的环境,红色框位置:

 4. 创建好环境后,就可以在你创建的环境里安装tensorflow-gpu了,这里有两种安装方式:

   一)直接在anaconda navigator中安装,如下图:

          发现安装时,它给我们安装了cuda8.0 VS cudnn 6.0。所以我觉得前面哪两个不用安应该也可以吧,谁有兴趣可以试试。

   二)在Anaconda promp 中,先使用命令 conda activate python35 切换到该环境下,然后使用 pip install tensorflow-gpu 安装。(这种安装方式使用的是国外官方地址下载的,很慢很慢真的很慢。尝试了两次,86M的tensorflow-gpu包没翻墙下载了2小时到50%,然后就突然挂了,心累。所以最后果断用了方式一)

5. VS2015编译环境(参考:方砖ml):文章说安不安都行,我果断安了。

       官网下载: vc_redist

6. 测试配置成果:

        红框标注的是输入命令,和一些重要信息。

import tensorflow as tf
a = tf.constant(2)
b = tf.constant(4)
c = a + b
with tf.Session() as s:
    print (s.run(c))

  6. 最后为了开发需要你可能还需安装一些包,库(e.g. numpy ,matlibplot,h5py,jupyter,spyder)。这些都可以通过步骤4安装。

Tip:文档不具有普世性,不能保证你一定就成功,只希望你能少走一些弯路。祝好运!!!

  • 参考文章:

         博客:Quanfita
         博客:方砖ml

       

要在Windows 10配置TensorFlow-GPU版本1.13.1,您需要按照以下步骤进行操作: 1. 确保您的计算机已经安装了兼容的NVIDIA显卡驱动程序。您可以在NVIDIA官方网站上下载并安装最新的驱动程序。 2. 安装CUDA Toolkit 10.0,这是TensorFlow-GPU 1.13.1所需的版本。您可以在NVIDIA官方网站上下载并安装CUDA Toolkit。 3. 安装cuDNN 7.4.1,这是TensorFlow-GPU 1.13.1所需的版本。您需要在NVIDIA开发者网站上注册一个账户,并下载cuDNN。 4.CUDAcuDNN添加到系统环境变量中。打开系统属性 -> 高级系统设置 -> 环境变量,在系统变量中找到"Path"变量,然后添加CUDAcuDNN的安装路径。 5. 创建一个新的Python虚拟环境。打开命令提示符并运行以下命令: ```bash python -m venv myenv ``` 这将创建一个名为"myenv"的新虚拟环境。 6. 激活虚拟环境。在命令提示符中运行以下命令: ```bash myenv\Scripts\activate ``` 7. 安装TensorFlow-GPU 1.13.1。在命令提示符中运行以下命令: ```bash pip install tensorflow-gpu==1.13.1 ``` 8. 验证TensorFlow-GPU是否成功安装。在Python交互式环境中运行以下命令: ```python import tensorflow as tf print(tf.__version__) ``` 如果成功输出"1.13.1",则表示TensorFlow-GPU已经正确配置。 请注意,上述步骤假设您已经正确安装了Python。如果您尚未安装Python,请先安装Python并确保将其添加到系统环境变量中。此外,确保您的计算机满足TensorFlow-GPU的硬件要求。如果您遇到任何问题,请参考TensorFlow官方文档或在相关论坛上寻求帮助。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值