一、檢查顯示卡
·檢視自己的顯示卡配置是否能支援cuda,以及Tensorflow不同版本要求與CUDA及CUDNN版本對應關係:
https://developer.nvidia.com/zh-cn/cuda-gpus
·nvidia與cuda需要滿足關係:
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
二、下載安裝GeForce Experience
官網下載:
https://www.nvidia.com/zh-cn/geforce/geforce-experience/,
experience檢測顯示卡驅動,發現最新版本472.12,點選安裝,一定要注意,選擇自定義安裝,然後有個純淨安裝的勾選框。接下來會讓重啟電腦,重啟過後experience還會繼續彈出來自動安裝一些東西,等它安裝結束即可。
三、下載 CUDA 8.0 + cudnn 5.1
· cuda歷史版本下載連線:
版本是:CUDA Toolkit 8.0 GA2 (Feb 2017)
https://developer.nvidia.com/cuda-toolkit-archive
· cuda與cudnn需要滿足關係:
版本是:cuDNN v5.1 Library for Windows 10
https://developer.nvidia.com/rdp/cudnn-archive
· 顯示卡計算能力:
https://developer.nvidia.com/cuda-gpus
對應版本:
由上表可知,cuda8+cudnn5.1最高可以裝到tensorflow1.2.0)
四、安裝
1. CUDA 8.0
直接點選安裝
在cmd命令列中輸入nvcc -V檢視是否安裝成功。
2. 安裝cudnn 5.1
cudnn下載完成後直接解壓,然後到你cuda的安裝路徑下,
我的cuda路徑為C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
· 將解壓出來的:
bin中檔案放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin中
include檔案放到cuda的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include中
lib檔案放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
3. 安裝 Tensorflow_gpu 1.0.0
· 首先開啟Anaconda Prompt,進入Anaconda命令列管理介面。
· 配置清華映象,輸入指令:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
· 然後輸入
conda config --set show_channel_urls yes
· 建立執行環境,輸入指令:
conda create -n tensorflow-gpu python=3.6
· 新建一個名字叫“tensorflow-gpu”,python版本為3.6的執行環境,此環境與Anaconda中其它環境隔離。紅框中的軟體包也會隨之安裝,· · 輸入“y“和回車後開始安裝。
· 然後會出現一些軟體安裝包的提示(問你是否確認安裝):輸入 y 按回車
· 啟用並進入環境,使後續指令在啟用的環境中生效,輸入指令:
activate tensorflow-gpu
· 升級pip到最新版,防止稍後的安裝時,出現錯誤(很有可能因為沒有更新pip到最新版,導致下載到一半出現錯誤),輸入指令:
python -m pip install --upgrade pip
· 安裝tensorflow 1.2.0及相應依賴包,輸入指令:
pip install --ignore-installed --upgrade tensorflow-gpu
至此,tensorflow的安裝完成。
筆者安裝過程截圖:
· 最後,驗證一下是否安裝成功:
在命令列中,進入python,並輸入以下程式碼:
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello))
輸出:
b’ Hello, TensorFlow!