Windows10下 tensorflow-gpu 配置

引言

愈來愈多的的人入坑機器學習，深度學習，tensorflow 做爲目前十分流行又強大的一個框架，天然會有愈來愈多的新人（我也剛入門）準備使用，通常裝的都是 CPU 版的 tensorflow，然而使用 GPU 跑 tensorflow，速度能夠快上好幾倍。正好前段時間看到了使用小米pro（我目前使用的筆記本，感受賊好用（我沒有在推銷））配置 gpu 的教程，就試了試，最後成功了。

環境

操做系統：Windows10

配置：Tensorflow 1.12 + CUDA 9.0 +cuDNN v7.1 for CUDA9.0

GPU：NVIDIA GeForce MX150（小米pro i7-8550 8G 256G）

軟件：Anaconda（我以前寫過安裝教程）

 

注：發現 tensorflow 1.13 發佈了，但其配置要求與1.12版本有所差異，若按照本博客配置1.13版本運行會報錯（可能與cuda版本相關，聽說1.13版本支持cuda10了，能夠試試cuda10）。         2019/3/2

實際操做

1、安裝CUDA、cuDNN

須要考慮版本配套問題，否則即便裝了最後也會報錯。這裏給出 CUDA 和 cuDNN 的網盤鏈接，提取碼：e1ak

關於版本適配問題也能夠看個人這篇文章

CUDA

再給一波關於顯卡是否對 CUDA 支持的查看網址，若是不肯定本身的顯卡是否支持 CUDA，能夠去看看。

關於 CUDA 的安裝，看這篇文章，寫的很詳細（好吧，仍是我比較懶，不太想敲鍵盤）

cuDNN

官網下載地址

注意：下載的時候要下對應本身下載的CUDA的版本

把下載好的 cuDNN 的 zip 解壓後，把 bin、include、lib 三個文件夾內的文件拷貝到 CUDA 9.0 的目錄下的對應文件中便可。

CUDA 的默認路徑

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\

而後開始配置環境變量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

2、建立虛擬環境

這裏仍是比較建議新建立一個虛擬環境，省得安裝好的 tensorflow-gpu 跟原環境中的某些包衝突。

1.打開Anaconda Prompt

2.建立虛擬環境

鍵入

conda create --name tensorflow-gpu python=3.6.1

3.啓動虛擬環境

activate tensorflow-gpu

3、安裝tensorflow-gpu

1.安裝

兩種方法

1. pip install --upgrade tensorflow-gpu
2. 下載 tensorflow-gpu 的離線安裝包，找到下載好的whl路徑，而後鍵入

   pip install c:\...\tensorflow_gpu-xxxx.whl

   下載地址

 

2.測試

輸入

python

而後再輸入

import tensorflow as tf

若是沒報錯，就表示安裝成功了。

而後，再來段 tensorflow 的 hello world

import tensorflow as tf
tf.enable_eager_execution()

a = tf.constant(1)
b = tf.constant(1)
c = tf.add(a, b)  

print(c)

總結

至此，咱們的 tensorflow-gpu 就裝好了，接下來就開始 tensorflow 的學習之旅吧。