Win10 Anaconda下TensorFlow-GPU环境搭建详细教程(包含CUDA+cuDNN安装过程)

前言

配置环境,研究了一整天,踩了很多坑,在网上找了很多资料,发现基本上都没非常明确的教程,所以今天想分享一下配置tensorflow GPU版本的经验,希望能让各位朋友少走些弯路。(PS:一切的前提,你需要有一张Nvidia显卡。我的显卡是 GT940MX)

Tensorflow有两个版本:GPU和CPU版本,CPU的很好安装;GPU 版本需要 CUDA 和 cuDNN 的支持,如果你是独显+集显,那么推荐你用GPU版本的,因为GPU对矩阵运算有很好的支持,会加速程序执行!并且CUDA是Nvidia下属的程序,所以你的GPU最好是Nvidia的,AMD的显卡没有CUDA加速!满足以上条件之后,你需要查看一下你的英伟达GPU是否支持CUDA,以下是Geforce支持的目录:

你也可以点击查看你的GPU是否支持CUDA

满足以上条件之后,你就可以安装Tensorflow了!

第一步:安装Anaconda

1.下载和安装

下载地址:https://www.anaconda.com/download/

我系统是64位,所以下载 64-Bit Graphical Installer (631 MB),之后就是进行安装了。

和安装其他软件没有什么区别,需要注意的是这一步,不要勾选**“Add Anaconda to my PATH enviroment variable”,我们后面会手动加入。

接下来就是等待了,安装结束后需要测试是否能正常使用,打开CMD输入“conda”命令,发现提示“'conda' is not recognized as an internal or external command, operable program or batch file.”

这是由于我们没有配置环境变量的原因。

2.配置Anaconda环境变量

我们点击左下角搜索栏搜索“环境变量”

点击环境变量

选择“Path”,点击“编辑”

将以下三个路径加入,注意这里要换成你自己的安装路径。

  • C:\Users\t-yaoguo\AppData\Local\Continuum\anaconda3
  • C:\Users\t-yaoguo\AppData\Local\Continuum\anaconda3\Scripts
  • C:\Users\t-yaoguo\AppData\Local\Continuum\anaconda3\Library\bin

然后点击“确定”保存,这回再测试一下,再cmd中输入“conda -V”,能正常显示版本号,证明已经配置好了。

第二步:安装TensorFlow-GPU

打开tensorflow官网:https://www.tensorflow.org/install/install_windows#installing_with_anaconda

跟着操作步骤走就可以了。

1.创建conda环境

通过调用下列命令,创建一个名为“tensorflow”的conda环境:

conda create -n tensorflow pip python=3.5

等待相应包的安装,如果国内网络太慢的话,可以为conda设置清华源,这样速度能快一点,具体配置过程,网上查一下吧,此处不再讲述。如果看到这样的提示,就证明conda环境创建成功。

2.激活环境

通过以下命令激活conda环境:

activate tensorflow

这样就进入了刚创建的“tensorflow”环境。

3.安装tensorflow-gpu

安装GPU版本的tensorflow需要输入以下命令:

pip install --ignore-installed --upgrade tensorflow-gpu 

如果只需要安装CPU版本的tensorflow则输入以下命令:

pip install --ignore-installed --upgrade tensorflow

这样就安装成功了。

注意:务必注意一点,在安装完tensroflow后,由于我们是新创建的conda环境,该环境中基本上是空的,有很多包和IDE并没有安装进来,例如“Ipython”,“spyder”此时如果我们在该环境下打开spyder/Ipyton/jupyter notebook等,会发现其实IDE使用的kernel并不是新建立的这个环境的kernel,而是“base”这个环境的,而“base”环境中我们并没有安装tensorflow,所以一定无法import。这也就是为什么有很多人在安装好tensorflow后仍然在IDE里无法正常使用的原因了。

通过以下命令安装Anaconda基础包

conda install anaconda

这回,我们测试一下是否能import tensorflow

程序报错,这是由于我们虽然安装好了tensorflow-gpu,但是还需要安装CUDA Toolkit 和 cuDNN。

第三步:安装CUDA Toolkit + cuDNN

1.查看需要安装的CUDA+cuDNN版本

注意,tensorflow是在持续更新的,具体安装的CUDA和cuDNN版本需要去官网查看,要与最新版本的tensorflow匹配。

点击查看最新tensorflow支持的CUDA版本:https://www.tensorflow.org/install/install_windows#requirements_to_run_tensorflow_with_gpu_support

现在(PS:此博客书写日期 2018年7月5日)最新版tensorflow支持的是 CUDA® Toolkit 9.0 + cuDNN v7.0,一定注意,安装的版本一定一定要正确,不要看NVIDIA官网推出CUDA® Toolkit 9.2了就感觉最新版的更好,而安装最新版,这样很可能会导致tensorflow无法正常使用,所以一定要跟着tensorflow 官网的提示来。

2.下载CUDA + cuDNN

在这个网址查找CUDA已发布版本:https://developer.nvidia.com/cuda-toolkit-archive

进入下载界面

下载好CUDA Toolkit 9.0 后,我们开始下载cuDnn 7.0,需要注意的是,下载cuDNN需要在nvidia上注册账号,使用邮箱注册就可以,免费的。登陆账号后才能下载。

cuDNN历史版本在该网址下载:https://developer.nvidia.com/rdp/cudnn-archive

这样,我们就下载好了 CUDA Toolkit 9.0 和 cuDnn 7.0,下面我们开始安装。

3.安装 CUDA Toolkit 9.0 和 cuDnn 7.0

至关重要的一步:卸载显卡驱动

由于CUDA Toolkit需要在指定版本显卡驱动环境下才能正常使用的,所以如果我们已经安装了nvidia显卡驱动(很显然,大部分人都安装了),再安装CUDA Toolkit时,会因二者版本不兼容而导致CUDA无法正常使用,这也就是很多人安装失败的原因。而CUDA Toolkit安装包中自带与之匹配的显卡驱动,所以务必要删除电脑先前的显卡驱动。

安装

此处选择“自定义(高级)”

勾选所有

一路通过即可。

接下来,解压“cudnn-9.0-windows10-x64-v7.zip”,将一下三个文件夹,拷贝到CUDA安装的根目录下。

这样CUDA Toolkit 9.0 和 cuDnn 7.0就已经安装了,下面要进行环境变量的配置。

配置环境变量

将下面四个路径加入到环境变量中,注意要换成自己的安装路径。

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

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

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

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

到此,全部的安装步骤都已经完成,这回我们测试一下。

第四步:测试

1.查看是否使用GPU

import tensorflow as tf
tf.test.gpu_device_name()

2.查看在使用哪个GPU

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

好了大功告成!

希望这篇博文能给大家带来帮助,如有任何错误,欢迎指教交流。

posted @ 2018-07-05 11:44 郭耀华 阅读(...) 评论(...) 编辑 收藏