文章目錄
- 前言
- 一、準備安裝包
- 二、安裝cuda
-
- 1、選擇一個臨時解壓目錄
- 2、我選了精簡，因為我看到（推薦）
- 3、這個說沒有合适版本的Visual Studio Integration，沒有關系，勾一下，Next
- 4、設定環境變量
- 5、驗證是否裝好
- 二、安裝cudnn
-
- 1、cudnn/bin下的dll，放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
- 2、cudnn/include下的cudnn.h，放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
- 3、cudnn/lib/x64下的lib，放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
- 三、安裝tensorflow
-
- 1、建立個環境
- 2、開始安裝tensorflow-gpu1.14
- 3、驗證是否可用
- 4、後話
- 巨坑
- 補充
前言
為了忘卻的紀念~~~就這麼個簡單的事情，我整了超過10個小時！！不寫點什麼對不起這10個小時啊。 先給個最終可行的步驟，再說說我踩了什麼坑！
一、準備安裝包
因為我是确定要安裝tensorflow1.14版本、python用3.6的，是以我提前查了一下這個版本可以比對的cuda和cudnn版本。怎麼查？問度娘。反正我是查到cuda10.0+cudnn7.6.5是絕配！于是下載下傳了cuda_10.0.130_411.31_win10.exe和cudnn-10.0-windows10-x64-v7.6.5.32.zip。
這裡用紅色字型表示坑，開始我用了cuda10.1，結果各種問題，貌似也沒有哪裡告訴我10.1和10.0有那麼大差别！！後面重裝了10.0就好了。
cuda下載下傳位址：https://developer.nvidia.com/zh-cn
cudnn下載下傳位址：https://developer.nvidia.com/
下載下傳cudnn需要注冊 Nvidia 賬号登入進入才行。
我已經将這2個包上傳到csdn，如果你們的環境與我一緻，歡迎下載下傳，給我換點币币……（er……包太大傳不了，隻好放在百度雲盤，提供位址和取件碼）
傳送門：https://download.csdn.net/download/qq_40549606/16634766
二、安裝cuda
其實很好裝啦，輕按兩下下載下傳那個cuda_10.0.130_411.31_win10.exe：
1、選擇一個臨時解壓目錄
注意：這隻是臨時用的，不是你最終安裝的目錄哦。
2、我選了精簡，因為我看到（推薦）
3、這個說沒有合适版本的Visual Studio Integration，沒有關系，勾一下，Next
4、設定環境變量
cuda裝好以後，自動會增加2個環境變量CUDA_PATH和CUDA_PATH_V10_0：
我們需要手動在Path裡加上這4條：
5、驗證是否裝好
管理者身份打開指令行，進入cuda安裝目錄：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite（如果安裝的時候改了安裝路徑，需要修改該路徑）
運作 bandwidthTest.exe 和 deviceQuery.exe ，如果最後都顯示 Result = PASS 則說明安裝成功。
二、安裝cudnn
這個更簡單，解壓，然後把檔案放到cuda安裝目錄下對應的目錄即可：
1、cudnn/bin下的dll，放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
2、cudnn/include下的cudnn.h，放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
3、cudnn/lib/x64下的lib，放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
搞掂~~~
三、安裝tensorflow
1、建立個環境
我用ANACONDA來管理環境，是以到指令行執行：
conda create -n tfgpu114 pip python=3.6
tfgpu114 是我的環境名，你可以随意取名。
切換到該環境：
conda activate tfgpu114
2、開始安裝tensorflow-gpu1.14
pip install tensorflow-gpu==1.14
3、驗證是否可用
import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:", version, "\n use GPU:", gpu_ok)
gpu_ok2 = tf.test.is_built_with_cuda()
print("is_built_with_cuda:", gpu_ok2)
這樣就對了！
4、後話
因為我要用到keras，我用conda install keras，發現要安裝tensorflow2.1版本，如果下載下傳了更進階的tensorflow版本，那麼我之前裝的1.14就不起效了，是以我終止了這個安裝。
查了一下keras和tensorflow的關系：
于是我安裝keras2.2.5：
conda install keras==2.2.5
至此，安裝部分結束。
下面講一下那個巨坑。
巨坑
我的電腦原來裝好了cuda10.1版本，我就在此基礎上安裝cudnn7.6.5，tensorflow1.14，裝好以後一運作驗證程式，報錯說缺少cudart64_100.dll檔案。我上網一搜，這很好解決，另外下載下傳這個檔案放到cuda安裝目錄下的bin就可以了。
我這麼幹了，當時确實不再報錯，但是正是這個原因，一直無法用GPU。這個問題很隐蔽，一步步都很能驗證通過，就是到最後驗證程式那裡，一直是False。各種折騰以後，我才決定全部重來。這一次，不知道為啥，我選擇了cuda10.0，正是這個英明的決定，我成功了！
補充
要監控GPU使用率，很多人說cd C:\Program Files\NVIDIA Corporation\NVSMI目錄，執行nvidia-smi，可是我找了找，我并沒有這個目錄啊。後面發現原來windows10，直接執行即可：