提示:看此文章 大前提需要拥有
NVIDIA
的显卡
本篇献给那些想安装 官方已经测试过的最新版的TensorFlow-gpu2.6
(仅限于本文发表的时间)的 (强)
大 (破)
家 (症)
文章目录
- 前言
* - 系统环境
– - 一、开始安装
* - 1、安装VS组件、CUDA
- 2、安装CUDNN
- 3.使用conda创建虚拟环境
- 二、使用pycharm测试代码
* - 1.安装matplotlib
- 2.使用pycharm测试代码
- 总结
- 参考链接
前言
大前提
:你需要拥有NVIDIA的显卡本篇用的是
anaconda
创建的 虚拟环境搭建,但其实想装到 Win10系统环境,也是一样的。个人安装顺序:
VS
=>CUDA
=>CuDNN
=>python
=>tensorflow-gpu
友情提示:最重要的是
版本一定要对应
,TensorFlow-gpu
的版本与VS
、CUDA
和CUDNN
以及python
的版本。
系统环境
我用的是笔记本电脑
系统:Windows10
显卡:GTX 1050Ti
算力6.1
(下边会讲到如何查询显卡算力)
软件:anaconda
准备
建议安装在 虚拟环境上,不会影响到 系统环境,因此建议安装
anaconda
和pycharm
anaconda
和pycharm
的安装
若未安装或未曾使用过anaconda,请参考anaconda入门
如何查询NVIDIA算力
首先清楚自己的显卡类型
Ctrl + Shift + ESC
打开任务管理器
,接着点击性能
,按照图片所示就清楚显卡
PS: 显卡的算力影响你能安装哪一些tensorflow-GPU的版本(如果算力3.5以上基本没什么问题)
NVIDIA显卡算力官网查询
进官网之后,要点击如下图,即可查看自己的显卡算力
PS:我的是笔记本电脑,所以看的是Notebook那一列的,如果是台式可以参考左边的。 个人认为左边或者右边都可以参考
以下安装为我成功运行的版本,
TensorFlow-gpu2.6
直接查看最新的安装方式最好
; 确认安装TF-gpu版本
我需要下载的是
TensorFlow-gpu-2.6
; 一、开始安装
一定要安装对版本,尤其是先安装
VS的部分组件
,才可以安装CUDA
和cuDNN
, 先安装VS部分组件
,接着安装CUDA
,后安装cuDnn
PS:如果有需要可以留言,我可以分享我下载的CUDA和CUDNN
1、安装VS组件、CUDA
进入VS官网,打开VS安装程序(本人安装的是tensorflow-gpu-2.6,因此对应安装 VS2019的部分组件
PS:不需要安装完整的VS,只是需要VS的部分组件
具体是:
C++ 2019可在发行程序包
以及VS 2019 C++ 生成工具
,如下图
接着进入CUDA官网,下载对应版本
PS:官网下载比较缓慢,如有需要可以留言,我可以分享我的
CUDA11.2.2
cuda_11.2.2_461.33_win10
提取码:vo7c下载好后,直接运行安装就行
测试是否成功安装可以使用命令
nvcc -V
win
+R
,输入cmd,打开命令行输入命令
nvcc -V
; 2、安装CUDNN
PS:官网下载比较缓慢,如有需要可以留言,我可以分享我的
CUDNN8.1.1
连接为cudnn-11.2-windows-x64-v8.1.1.33注意:安装
CUDNN
之前(严格意义来说,这只是将需要用到的一些文件,添加到CUDA目录下),必须安装CUDA
下载完成时一个
压缩包
,解压后,将里面的所有文件,放到CUDA的安装路径下,即C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
; 3.使用conda创建虚拟环境
PS:以下很多场合用到conda命令,若不会请参考anaconda入门,也可能会给
conda
换源,若不会请参考pip换源 conda换源以下使用conda创建一个python3.9的虚拟环境
Win + R
输入cmd
1.创建一个python3.9的虚拟环境
输入命令
conda create -n tf-gpu-2.6 python=3.9.12
创建一个名为 tf-gpu-2.6 的虚拟环境,并且安装指定的python版本回车以上命令之后,记得输入
y
然后回车[Enter]
2.进入环境
输入命令
activate tf-gpu-2.6
# 进入tf-gpu-2.6的虚拟环境
3.官网下载已经经测试的TensorFlow-gpu文件
进入官网后,找到对应
python3.9
版本的TensorFlow-gpu
的版本,复制网址,用 浏览器打开,即可下载TensorFlow-gpu.whl
文件
如果懒得打开官网,也可以在我这下载官网tensorflow-gpu-2.6下载好后,输入命令
pip install tensorflow_gpu-2.6.0-cp39-cp39-win_amd64.whl(该文件完整的路径)
# 使用pip命令安装TensorFlow-gpuPS:有可能下载很慢,所以需要换源,若不会换源可以参考pip 换源
PS:在安装过程中,会安装很多关联的包,等待安装完成即可
4.测试TensorFlow-GPU
在当前环境下,输入
python
,回车[Enter]
输入以下命令
import tensorflow as tf
接着输入
tf.test.is_gpu_available()
以上代码会显示
显卡型号
,显卡算力
以及是否可用,若为True
,则说明可用。
; 二、使用pycharm测试代码
1.安装matplotlib
1.进入环境
输入命令
activate tf-gpu-2.6
# 进入tf-gpu-2.6的虚拟环境
2.安装matplotlib
输入命令
pip install matplotlib
若需要换源,请参考pip换源 conda换源
2.使用pycharm测试代码
如果使用pycharm,如何关联conda创建的虚拟环境请参考anaconda入门
测试代码如下
import tensorflow as tf
import timeit
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
def cpu_run(num):
with tf.device('/cpu:0'):
cpu_a = tf.random.normal([1, num])
cpu_b = tf.random.normal([num, 1])
c = tf.matmul(cpu_a, cpu_b)
return c
def gpu_run(num):
with tf.device('/gpu:0'):
gpu_a = tf.random.normal([1, num])
gpu_b = tf.random.normal([num, 1])
c = tf.matmul(gpu_a, gpu_b)
return c
k = 10
m = 7
cpu_result = np.arange(m, dtype=np.float32)
gpu_result = np.arange(m, dtype=np.float32)
x_time = np.arange(m)
for i in range(m):
k = k * 10
x_time[i] = k
cpu_str = 'cpu_run(' + str(k) + ')'
gpu_str = 'gpu_run(' + str(k) + ')'
cpu_time = timeit.timeit(cpu_str, 'from __main__ import cpu_run', number=10)
gpu_time = timeit.timeit(gpu_str, 'from __main__ import gpu_run', number=10)
cpu_result[i] = cpu_time
gpu_result[i] = gpu_time
print(cpu_result)
print(gpu_result)
fig, ax = plt.subplots()
ax.set_xscale("log")
ax.set_adjustable("datalim")
ax.plot(x_time, cpu_result, color='#005FDD', alpha=0.8, linewidth=1, label='C P U')
ax.plot(x_time, gpu_result, color='#47AC3A', alpha=0.8, linewidth=1, label='G P U')
ax.grid()
plt.legend(loc="upper right")
plt.title("CPU和GPU运行对比")
plt.xlabel('计算量')
plt.ylabel('时间')
plt.draw()
plt.show()
运行结果如下图
总结
1、
TensorFlow-gpu
相对于TensorFlow-cpu
的安装步骤来说,比较麻烦,但最关键的还是版本一定要对应
2、最重要的还是
CUDA
以及CUDNN
的版本PS:笔者安装的是 官方文档中已经测试过的 相对最新的
TensorFlow-gpu
版本(即,TensorFlow-gpu-2.6
),而最新的TensorFlow-gpu版本(截止至本文发表时间,最新为TensorFlow-gpu-2.8
),若要安装最新的TensorFlow-gpu
,需要自己亲自去测试最新的版本所对应的CUDA
以及CUDNN
和python
版本,上述三者有一个版本不对应,就会导致TensorFlow-GPU
使用不了或者安装失败
参考链接
tensorflow官方文档
conda安装tensorflow官方文档
NVIDIA显卡算力官网查询
Original: https://blog.csdn.net/qq_43648288/article/details/124211064
Author: y y7
Title: win10安装TensorFlow-gpu-2.6详细教程
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/618167/
转载文章受原作者版权保护。转载请注明原作者出处!