对于在Linux安装Tensorflow-GPU支持的童鞋,可以移步我的另外一篇文章:https://blog.youkuaiyun.com/cskywit/article/details/81146429,
在Windows下安装TensorFlow-GPU环境对于不熟悉Linux的童鞋可以避免安装过程出错导致的系统莫名崩溃。
本文使用的是Anaconda4.3(Python3.6)+CUDA10.0+cuDNN7.3+Tensorflow-gpu-1.11.0
先上cuda官网查看自己的显卡是否支持CUDA:https://developer.nvidia.com/cuda-gpus,不支持就不用往下看了。
查看Tensorflow-gpu、CUDA、cuDNN之间的支持情况,这一步很重要,安装错了版本直接就不能用。
https://tensorflow.google.cn/install/source_windows
该网址需要VPN:这里列出的tensorflow_gpu-1.11.0支持的只是CUDA9+cuDNN7,其实最新的CUDA10.0+cuDNN7.3也是支持的。
- 安装VS2015编译环境
https://www.microsoft.com/en-us/download/details.aspx?id=48145
- 安装CUDA
1.准备好NVIDIA的显卡,下载安装CUDA
https://developer.nvidia.com/cuda-downloads
2.安装好之后把CUDA安装目录下的bin和lib\x64添加到Path环境变量中。
- 安装cuDNN
1.cuDNN下载
https://developer.nvidia.com/rdp/cudnn-download
2.解压压缩包,把压缩包中bin,include,lib中的文件分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0目录下对应目录中。
3.C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64\cupti64_100.dll拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
四.安装tensorflow-gpu
由于我电脑里已经有tensorflow-cpu和python3.6版本,不想卸载,所以在Anaconda中创建一个新的虚拟环境:
conda create -n tensorflow-gpu
activate tensorflow-gpu
pip install -i tensorflow_gpu-1.11.0-cp36-cp36m-win_amd64.whl
如果不想新建虚拟环境,当同时存在CPU版和GPU版,默认首选GPU版,如果要使用CPU版,可以在代码中设置:
with tf.Session() as ses:
with tf.device("/cpu:0"):
matrix1=tf.constant([[3.,3.]])
matrix2=tf.constant([[2.],[2.]])
product=tf.matmul(matrix1,matrix2)