tensorflow1.3+python2.7+cuNN+CUDA

目录

辨析概念：

1、NVIDIA的显卡驱动程序：

2、CUDA（ToolKit）

3、cuDNN

一、先安装CUDA、cuDNN

1、创建一个虚拟环境：pyhton=2.7

2、下载安装CUDA

3、下载安装cuDNN

二、配置环境变量

三、tensorflow1.3.0

---

辨析概念：

1、NVIDIA的显卡驱动程序：

当我们使用一台电脑的时候已经帮你安装了NVIDIA的显卡驱动，因为没有显卡驱动根本用不了显卡嘛，但是这个时候我们是没有CUDA可以用的。

从这里可以查看你的显卡支持的CUDA版本

ps：显卡驱动，一般可以向下兼容，如果你的显卡支持CUDA11.6，那么意味着CUDA11.6及以下的CUDA你都能安装。

2、CUDA（ToolKit）

CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行。CUDA的本质是一个工具包（ToolKit）

我们可以选择两种安装方式，

• 在线安装
• 离线安装，即本地安装（安装多个CUDA时要注意安装步骤！！！）

离线安装：

当我们选定相对应的版本之后，下载的时候发现这个地方的文件大小大概在2G左右，Linux系统下面我们选择runfile(local) 完整安装包从本地安装，或者是选择windows的本地安装。

注意：CUDA Toolkit本地安装包时内含特定版本Nvidia显卡驱动的，所以只选择下载CUDA Toolkit就足够了。

小结：NVIDIA显卡驱动和CUDA工具包

• 可以在同一个设备上安装很多个不同版本的CUDA工具包

• NVIDIA显卡驱动和CUDA工具包本身是不具有捆绑关系的，也不是一一对应的关系，只不过是离线安装的CUDA工具包会默认携带与之匹配的最新的驱动程序。

• 一般情况下，我只需要安装最新版本的显卡驱动（电脑自带），然后根据自己的要求选择不同CUDA工具包就可以了。

• 但是由于使用离线的CUDA总是会捆绑CUDA和驱动程序
  • ！！！所以在使用多个CUDA的时候就不要选择离线安装的CUDA了，否则每次都会安装不同的显卡驱动，这不太好，我们直接安装一个最新版的显卡驱动，然后在线安装不同版本的CUDA即可。

3、cuDNN

cuDNN是一个SDK，是一个专门用于神经网络的加速包，

注意，它跟我们的CUDA没有一一对应的关系，

即每一个版本的CUDA可能有好几个版本的cuDNN与之对应，但一般有一个最新版本的cuDNN版本与CUDA对应更好。

这里是tensorflow-gpu、cuDNN、CUDA对应表

一、先安装CUDA、cuDNN

1、创建一个虚拟环境：pyhton=2.7

2、下载安装CUDA

我要安装tensorflow-gpu1.3.0，则CUDA==8,cuDNN==6

CUDA:

1）下载：

CUDA的下载地址为：https://developer.nvidia.com/cuda-downloads

找到以往发布的版本：这里选择离线安装

然后选择相应的选项（windows、x86_64、win10、exe[local]），点击download即可。

2）安装

这个是临时文件的存放处，安装完会自动删除，不需要更改目录

自定义安装！！！

有两种安装选项，一个是精简安装，一个是自定义安装。

精简安装会安装CUDA相关组件，同时也会将显卡驱动重新安装，如果不想重新安装显卡驱动，可以选择自定义安装，这里选择自定义安装。

只选择第一个选项CUDA即可，其他的不需要勾选。因为这是我的第二个CUDA了，不是首次安装。

（参考了网上其他博客，很多建议第一个CUDA里的"Visual Studo Integration"最好也不要勾选，CUDA安装失败一般都是因为它导致的。

后面的过程都是直接点击"下一步“，即可。

安装完了

3、下载安装cuDNN

1）下载cuDNN:

cuDNN下载网址： cuDNN Archive | NVIDIA Developer

1）安装cuDNN:

将上面下载的cudnn压缩包解压缩，然后分别将解压后的bin、include、lib三个文件夹中的.dll、.h和.lib文件复制到CUDA安装目录下的对应文件夹里，即可。（注意是复制过去，而不是直接覆盖！！！我试了一下，直接把三个文件夹拉到左边路径下，会直接把对应文件复制到对应文件夹下。）

二、配置环境变量

1）计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中已经自动多了下面两个环境变量。

还有这两个也是自动生成的：

2）接下来，还要继续在系统里添加几个环境变量：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

3）关于多个版本的CUDA

CUDA11.6是之前安装的，CUDA8.0是之后安装的，所以默认CUDA11.6的环境变量在CUA8.0之前，但是CUDA_PATH环境变量被CUDA8.0覆盖。

切换CUDA版本时，只需要切换系统变量->PATH环境变量中CUDA的顺序即可，比如让CUDA8.0生效，则CUDA8.0环境变量在CUDA11.6之前。

好像还有说要：

1.需要用的版本，就在环境变量中将 CUDA_PATH，NVCUDASAMPLES_ROOT改成对应的路径

2.你使用的版本的路径顺序要在原有路径之上

测试新CUDA环境

1、重启电脑

重启电脑方便电脑清除缓存和加载新增加的环境变量，不然通过指令无法查看新CUDA是否安装成功。

2、指令查看CUDA

在cmd终端中输入：

 

参考文献：

(44条消息) Windows下CUDA多版本共存_花花少年的博客-优快云博客_多个cuda版本共存

三、tensorflow1.3.0

离线下载

下载链接：tensorflow · PyPI

cp3.6是python3.6版本，win_amd64是window系统64位。

pip install C:\Users\86157\Downloads\tensorflow-1.3.0-cp36-cp36m-win_amd64.whl

安装NLTK

安装beeprint

一些报错：

TypeError: Expected a message Descriptor, got Descriptor

有资料表示是由于tensorflow与protobuf版本不匹配