Windows10搭建Tensorflow2 gpu环境(2021.11.15)

1.Anaconda创建tensorflow gpu环境

conda create -n tf2-gpu1 python=3.7

2.查看NVIDIA驱动版本

右键->NVIDIA控制器

在这里插入图片描述

在这里插入图片描述

我电脑最新刚买的,可以看到对应的NVIDIA驱动版本是11.4。

3.准备各版本

CUDA Toolkit 11.4.0、cuDNN v8.2.x

tensorflow-gpu:2.7.0(最新版)、Anaconda:最新版

注意:下载CUDA Toolkit 11.4.0即可,不能下载高于此版本的。也不能按照网上教程下载CUDA10.x版本的。否则会出现类似如下问题:cudart64_101.dll not found(后面会详细说)

在这里插入图片描述

4.安装CUDA和cuDNN

(1)安装CUDA

CUDA下载地址: https://developer.nvidia.com/cuda-toolkit-archive

在这里插入图片描述

安装CUDA过程:
在这里插入图片描述
在这里插入图片描述
Visual Studio Integration不要选,怕和本地环境冲突。

在这里插入图片描述
这个也不要选,本地已经有这个,就不用安装了。

接下来等安装完成即可。安装完毕后,按Win+R打开Windows并输入cmd,随后输入nvcc -V
在这里插入图片描述

(2)下载cuDNN神经网络加速库

cuDNN下载地址:https://developer.nvidia.com/rdp/cudnn-archive

在这里插入图片描述

下载完毕后将cuda文件复制到CUDA的安装目录下,如图所示

在这里插入图片描述

(3)配置环境变量

将cuDNN神经网络加速库添加到环境变量中,如图所示

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\cuda\bin

在这里插入图片描述
其他几个没有,也加上,一般CUDA安装好了会默认加上,不用手动加

5.安装Tensorflow

在tenforflow-gpu环境下输入:pip install -U tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述

测试tensorflow-gpu是否安装成功:

import tensorflow as tf
tf.__version__
tf.test.is_gpu_available()

在这里插入图片描述

如图所示,即证明tensorflow-gpu安装成功。

在pycharm配置环境

在这里插入图片描述

问题记录:

问题一:找不到cudart的dll文件

在cmd中就出现如下问题:cudart64_101.dll not found。说明版本不对,仔细检查版本。我之前安装了CUDA10.2,出现了这个问题。然后我删除了这个版本,查看本地NVIDIA驱动版本是11.4,于是下载对应的11版本。

问题二:在cmd测试正常,但是在pycharm中出现了:cudart64_101.dll not found。这是环境变量的问题,将系统配好的环境变量加入到IDE的环境变量中,让IDE能找到CUDA的安装目录即可。

在环境变量没问题的情况下,我的解决方案:关掉pycharm,然后重启,重新测试即可

### 如何使用 Anaconda 配置 MIND 环境 #### 1. 安装 Anaconda 为了配置 MIND 环境,首先需要安装 Anaconda。可以通过执行以下命令来启动安装脚本: ```bash sh Anaconda3-2021.11-Linux-x86_64.sh ``` 这一步会引导用户完成 Anaconda 的安装过程[^1]。 #### 2. 创建虚拟环境 创建一个新的 Conda 虚拟环境用于运行 MIND 工具包。假设我们将该环境命名为 `mind_env` 并指定 Python 版本为 3.9(具体版本可以根据需求调整),可以运行如下命令: ```bash conda create --name mind_env python=3.9 ``` 激活新创建的虚拟环境: ```bash conda activate mind_env ``` #### 3. 安装依赖项 MIND 是一种基于深度学习的工具集,通常需要 PyTorchTensorFlow 支持。以下是两种常见框架的支持方式: ##### (a) 使用 PyTorch 构建 MIND 环境 对于 PyTorch 的支持,可以在 Ubuntu 上按照以下步骤操作: 1. **安装 CUDA 和 cuDNN** 如果目标设备具有 NVIDIA 显卡,则需先安装合适的 CUDA 和 cuDNN 版本。例如,针对较新的硬件可参考以下组合:CUDA 11.x 和 cuDNN 8.x[^2]。 2. **安装 PyTorch** 运行以下命令以安装兼容的 PyTorch 版本: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c nvidia ``` ##### (b) 使用 TensorFlow 构建 MIND 环境 如果选择 TensorFlow 作为后端,建议遵循特定版本匹配原则。例如,在 Windows 系统上构建 Tensorflow-GPU 环境时,可能涉及以下设置: 1. **确认 CUDA 和 cuDNN 兼容性** 假设已安装 CUDA 11.2 和 cuDNN 8.2.1,则应确保这些库与 TensorFlow 2.5.0 及以上版本兼容[^3]。 2. **安装 TensorFlow** 执行以下命令以安装 TensorFlow GPU 版本: ```bash pip install tensorflow-gpu==2.5.0 ``` #### 4. 下载并安装 MIND 库 最后,下载官方提供的 MIND 源码或预编译包,并将其集成到当前环境中。一般情况下可通过 Pip 或源代码方式进行安装: ```bash pip install mind-toolbox ``` 或者克隆 GitHub 存储库后再手动安装: ```bash git clone https://github.com/example/mind.git cd mind python setup.py install ``` 通过上述流程即可成功搭建适用于研究目的的 MIND 开发环境---
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