windows tensorflow gpu pip 安装

PS  先安装tensorflow-gpu然后根据提示安装所需要的cuda版本。

确定驱动版本(在nvidia控制面板里查看,帮助-系统信息)

clip_image002

注意,cuda版本6.0是存在的,但是tensorflow-gpu支持从cuda版本8开始,也就是说当nvidia驱动不满足时,需要更新驱动。

版本

Python 版本

cuDNN

CUDA

tensorflow_gpu-2.0.0-alpha0

2.7、3.3-3.6

7.4.1以及更高版本

CUDA 10.0 (需要 410.x 或更高版本)

tensorflow_gpu-1.13.0

2.7、3.3-3.6

7.4

10

tensorflow_gpu-1.12.0

2.7、3.3-3.6

7

9

tensorflow_gpu-1.11.0

2.7、3.3-3.6

7

9

tensorflow_gpu-1.10.0

2.7、3.3-3.6

7

9

tensorflow_gpu-1.9.0

2.7、3.3-3.6

7

9

tensorflow_gpu-1.8.0

2.7、3.3-3.6

7

9

tensorflow_gpu-1.7.0

2.7、3.3-3.6

7

9

tensorflow_gpu-1.6.0

2.7、3.3-3.6

7

9

tensorflow_gpu-1.5.0

2.7、3.3-3.6

7

9

tensorflow_gpu-1.4.0

2.7、3.3-3.6

6

8

tensorflow_gpu-1.3.0

2.7、3.3-3.6

6

8

tensorflow_gpu-1.2.0

2.7、3.3-3.6

5.1

8

tensorflow_gpu-1.1.0

2.7、3.3-3.6

5.1

8

tensorflow_gpu-1.0.0

2.7、3.3-3.6

5.1

8

Pip安装tensorflow-gpu和keras

pip install tensorflow-gpu keras

  import tensorflow as tf
出现
 
2020-03-28 20:25:45.754359: W tensorflow/stream_executor/platform/default/dso_lo
ader.cc:55] Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64
_101.dll not found
2020-03-28 20:25:45.754648: I tensorflow/stream_executor/cuda/cudart_stub.cc:29]
 Ignore above cudart dlerror if you do not have a GPU set up on your machine.
 
表示tensorflow需要cudart64_101.dll,在按照tensorflow的编号,应该装cuda版本10.1.
 

安装cuda

地址 https://developer.nvidia.com/cuda-downloads

https://developer.nvidia.com/cuda-toolkit-archive

安装cuda选择自定义,可以只选Runtime下的Libraries (暂时没有遇到什么问题)

cudnn可在ananconda的镜像地址下载,如

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/

Cudnn下载后解压将library下的文件夹拷贝到cuda安装目录下(文件夹合并)

如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\

 

添加环境变量C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin 到 系统环境变量。PS 例如 如果cuda10.1 cudnn7.65-cuda10.1 tensorflow2.10版本都安装了还报Could not load dynamic library 'cudart64_101.dll'错就是环境变量没有加好。

tf.__version__ 查看tensorflow版本号

测试代码: tensorflow (gpu) :

 

import tensorflow as tf

import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 不显示等级2以下的提示信息

print('GPU', tf.test.is_gpu_available())

a = tf.constant(2.0)

b = tf.constant(4.0)

print(a + b)

 

PS 第一次运行会在Adding visible gpu devices: 0卡一会

posted @ 2020-03-28 22:18  雪夜羽  阅读(322)  评论(0编辑  收藏