gpu版本tensorflow2.1环境搭建 升级tensorflow1.8 + anaconda + cuda + cudnn

Tensorflow2.1 安装

因为我的anaconda里不知道为啥有tensorflow1.8版本的，所以打算升级一下得了
过程：升级tensorflow，下载对应的cuda和cudnn，下载gpu版本，测试，完成

升级

更新

conda env list 用于查看所有的虚拟环境
activate tensorflow 激发tensorflow虚拟环境
pip list 查看tensorflow版本
pip install --upgrade tensorflow==2.1 先进入tensorflow环境，再把TensorFlow更新到2.1版本。

下载gpu版本

下载gpu版本前先把cuda和cuddn装好，注意指定gpu版本，不然会默认下载最新的

pip install tensorflow-gpu==2.1.0

判断GPU是否可用

import tensorflow as tf
tf.test.is_gpu_available(
    cuda_only=False,
    min_cuda_compute_capability=None
)

CPU、GPU相互切换

查看GPU使用情况：

nvidia-smi 

在GPU全被使用的情况下，想先用CPU跑一拍程序，输入以下指令即可实现CPU和GPU切换

import os

if Bert_Use_GPU:
    os.environ['CUDA_VISIBLE_DEVICES'] = '5,6'    #使用GPU0,1
else:
    os.environ['CUDA_VISIBLE_DEVICES'] = '-1'      #使用CPU

查看tensorflow是gpu还是cpu版本

查看代码：

import tensorflow as tf
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

看最后看出用的是CPU

或者

import tensorflow as tf
tf.test.is_gpu_available(
    cuda_only=False,
    min_cuda_compute_capability=None
)

看是否启用了GPU

其他地方

Tensorflow-gpu中的Could not load dynamic library ‘cudart64_110.dll‘； dlerror: cudart64_110.dll not found

解决方法
这个是因为没有下那个cuda导致的，下cuda挂个vpn就快了

ERROR: pip‘s dependency resolver does not currently take into account all the packages

原因：上个版本的没卸干净，把后面的那个卸掉就行了，记得指定版本号，不然会导致全给卸了还得重下

pip uninstall gast==0.4.0
pip uninstall tensorboard
pip uninstall tensorflow-estimator==2.1.0rc0

cuda + cudnn

配置

查找tensorflow版本对应的cuda， cudnn



tensorflow2.1 举例：

conda create -n tf21 python==3.6.13 //创造虚拟环境，有就不用创建了
activate tf21  //进入虚拟环境，因为我只升级了，所以直接进了升过级的tensorflow环境
conda install cudatoolkit==10.1 //cuda版本
conda install cudnn==7.6 //cudnn版本
pip install tensorflow==2.1.0 //tensorflow版本，因为我之前已经升级了，所以也不需要了
pip install keras==2.3.1 //keras版本

但是后续缺cuda很多插件，所以还是去网上先下完整版比较好

cuda， cudnn下载地址如下：

CUDAToolkit： https://developer.nvidia.com/cuda-10.1-download-archive-update2?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
cudnn： https://developer.nvidia.com/rdp/cudnn-archive

检查是否配置成功

import tensorflow as tf
tf.test.is_built_with_cuda()

cuda升级

先查看目前可以安装的最高级cuda

nvidia-smi