win10 pycharm环境下tensorflow-gpu安装_bandwithtest-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_35494379/article/details/105230052

1 版本兼容性问题

在pycharm环境下使用tensorflow-gpu，主要是要安装四个文件，python、tensorflow-gpu、cuda和cudann。一般而言，不同版本的CUDA要求不同的NVIDIA驱动版本,同时显卡驱动版本要不低于CUDA的安装版本，具体的对照关系如下：
在这里插入图片描述
如下链接对应了官方的版本要求说明：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
tensorflow的版本和python的版本与cuda和cudann有如下对应关系：

在本文中，我选择的是python 3.6、tensorflow-gpu 1.11.0、cuda 9.0、cudann 7.0.5，亲测可用，一开始使用了tensorflow-gpu 1.10.0，在import tensorflow时，会报dll失败的错误，该换tensorflow-gpu 1.11.0问题解决，可见tensorflow-gpu的版本不能过高，也不能过低。

2 Cuda安装

2.1 下载

下载链接：https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述

2.2 安装cuda

安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录；
临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除；安装目录，建议默认即可；
【注意】临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录的！！！
在这里插入图片描述

3 Cudann安装

3.1 下载

官网下载：https://developer.nvidia.com/rdp/cudnn-archive
要先注册登录，填一个调查问卷方可下载
在这里插入图片描述

3.2 Cudann安装

解压文件夹，将解压后的文件夹下的文件拷贝到cuda安装目录下，与之相对应的文件夹下。在这里插入图片描述

4 配置环境变量和验证

4.1 添加环境变量

Cuda安装完成时会自动添加一些环境变量，如下：
在这里插入图片描述
还需要在系统变量PATH中添加如下环境变量：
1.C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
2.C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
3.C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include

4.2 验证CUDA的安装

配置完成后，我们可以验证是否配置成功，主要是查看CUDA的版本号和使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：

（1）查看CUDA版本号

首先win+R启动cmd，输入nvcc –V，
cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:
在这里插入图片描述
显示cuda版本号9.0 V9.0.176，说明安装成功；

（2）运行CUDA内置的deviceQuery.exe 和 bandwithTest.exe

首先win+R启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:

在这里插入图片描述
都为PASS，说明安装成功；
5 安装tensorflow-gpu和验证
在pycharm命令行中下载tensorflow-gpu，安装了pip使用如下命令：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.11.0

（使用清华的镜像源，下载速度变快），假如是安装了anaconda，使用如下命令：

conda install tensorflow-gpu==1.11.0

上述流程完毕以后，尝试运行一下代码：

开启会话需要添加config参数

import tensorflow as tf
hello = tf.constant('hello')
sess = tf.Session()
print(sess.run(hello))

假如运行成功，输出：b’hello’，则整个安装完成。
在安装中可能会遇到以下问题：
（1）之前安装的一些库可能会与tensorflow不兼容，例如，我在安装完了之后，之前我安装的numpy的版本的是1.18.3，在import tensorflow时，提示报错我的numpy的版本过高，重新安装1.14.3的版本，问题解决。
（2）一些电脑可能会提示以下警告：

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2

这个问题是由于为了最大限度的适应各种CPU，pip默认安装的tensorflow版本没有对AVX指令集进行支持，运算速度还可以提升，所以可以开启更好更快的模式，但是你现在用的模式相对来说可能不是那么快。
有两种解决办法：
（i）假如不嫌当前的模式慢就忽略掉这个警告就好了，插入以下代码

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

说明：

os.environ["TF_CPP_MIN_LOG_LEVEL"] = '1' # 默认，显示所有信息 
os.environ["TF_CPP_MIN_LOG_LEVEL"] = '2' # 只显示 warning 和 Error 
os.environ["TF_CPP_MIN_LOG_LEVEL"] = '3' # 只显示 Error

（ii）如果需要对CPU进行优化，可以访问下面的github，重新编译tensorflow源码以兼容AVX，https://github.com/fo40225/tensorflow-windows-wheel，下载支持AVX的tensorflow版本。
首先，卸载原有的Tensorflow 包：pip uninstall tensorflow
然后输入：pip list查看有没删除干净，最好把tensorflow其他相关的包都删除了，比如tensorborad之类的，没删除就继续使用pip unistall 库名删除。
下载好后，通过命令行进入该文件的位置：cd (文件路径)，然后pip install tensorflow-1.11.0-cp36-cp36m-win_amd64.whl

搞定~