讓tersorflow利用GPU飛起來-MX150

在深度學習訓練的時候使用GPU而不是CPU我想已是不爭的事實了，雖然MX150並不在下面的官網列表，可是其實MX150也是支持CUDA的。

https://developer.nvidia.com/cuda-gpus

環境

小米筆記本Air 13

• OS: win10
• CPU: I7 7500U
• GPU: MX150
• GPU驅動: 425.25
• tensorflow: 1.13.1
• tensorflow-gpu: 1.13.1
• visual studio: 2019

安裝TensorFlow

如今TensorFlow的whl文件已經打包的很是好了，基本上是能夠安裝上的，可是若是沒有CUDA之類的驅動的話，在導入tensorflow的時候會報錯。

pip install tensorflow tensorflow-gpu

安裝依賴

爲了裝上英偉達的CUDA套件還須要安裝visual studio, 由於windows的相關編譯環境跟visual studio綁在了一塊兒，即便你只想裝其中一部分，仍是得裝上visual studio

安裝visual studio

而windows的安裝程序不會太難，就是下一步，下一步。

安裝 cuda toolkits

CUDA toolkits 10.0

https://developer.nvidia.com/cuda-zone

默認安裝便可，下一步下一步。

安裝cudnn

cudnn 7.6.0.64

https://developer.nvidia.com/cudnn

注意千萬不要貪最新的版本，tensorflow官方不必定支持!

cudnn解壓後放在C:\tools\cuda

最後加入環境變量:

C:\tools\cuda\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64

官方說明以下:

軟件要求

必須在系統中安裝如下 NVIDIA® 軟件：
NVIDIA® GPU 驅動程序 - CUDA 10.0 須要 410.x 或更高版本。

CUDA® 工具包 - TensorFlow 支持 CUDA 10.0（TensorFlow 1.13.0 及更高版本）

CUDA 工具包附帶的 CUPTI。
cuDNN SDK（7.4.1 及更高版本）
（可選）

TensorRT 5.0，可縮短在某些模型上進行推斷的延遲並提升吞吐量。

參考頁面:
https://www.tensorflow.org/install/gpu

各個版本的兼容測試狀況
https://www.tensorflow.org/install/source#linux

安裝參考:

https://towardsdatascience.com/installing-tensorflow-with-cuda-cudnn-and-gpu-support-on-windows-10-60693e46e781

https://medium.com/@johnnyliao/%E5%9C%A8nvidia-mx150%E7%9A%84win10%E5%AE%89%E8%A3%9Dcuda-toolkit-cudnn-python-anaconda-and-tensorflow-91d4c447b60e