1、安裝Python和pip
在Windows環境安裝Python 3.x版本,通常安裝包中集成了pip工具,安裝會非常簡單方便。具體見:https://www.python.org/downloads/windows/
按以上網站的信息,獲取到對應Python3的版本。(其中注意將Python3的文件路徑添加到環境變量中),再重新打開命令提示符輸入“python”命令,若出現下圖信息證明安裝正確。
接下來,在安裝TensorFlow之前,需要先檢查主機的GPU是否支持,在命令提示符下,執行命令:
control /name Microsoft.DeviceManager
然後查看“顯示適配器”設置,將其打開,然後閱讀顯示適配器的名稱,如下:
正如你所看到的,主機系統有一個GT 740M。然後去NVIDIA官網查看信息,具體見:https://developer.nvidia.com/cuda-gpus,就可以知道是否可以使用帶GPU支持的TensorFlow。這裏已經確定是支持的。但是在安裝和運行TensorFlow之前,需要爲你的機器安裝CUDA驅動。
2、安裝CUDA驅動程序
下載網站:https://developer.nvidia.com/cuda-toolkit,選擇頁面中的“Legacy Releases”鏈接來下載正確版本的驅動程序。剛開始時我選擇下載了CUDA 10.0,反覆的下載、安裝、卸載都沒有正確的安裝上TensorFlow,然後按照之前教程中的CUDA 9.0版本就成功了,後面才發現是TensorFlow的版本不對。
在運行TensorFlow之前,還需要與主機CUDA版本相匹配的CuDNN版本庫。
3、安裝CuDNN庫
CuDNN庫是CUDA針對深度神經網絡的更新包,TensorFlow會使用它用於加速NVidia GPU上的深度學習。可以從這裏下載,見:https://developer.nvidia.com/cudnn。
但必須首先要註冊一個NVidia開發者帳號,它是免費的。登錄後,您會看到各種CuDNN下載。然後選擇匹配的版本。由於之前使用了CUDA 9.0,所以確定爲CUDA 9.0選擇了cuDNN v7.0.5。
下載下來的是包含幾個文件夾的Zip,其中每個文件夾包含CuDNN文件(一個DLL,一個頭文件和一個庫文件)。找到你的CUDA安裝目錄,這裏應該是這樣的:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
將zip中的文件對應的放入到,以上對應的文件夾中,例如v9.0中的lib與zip中的\lib文件相對應,將zip中\lib文件夾的dll文件放入v9.0的\lib文件中。同理將zip中剩餘的文件對應的放入v9.0中。
4、安裝TensorFlow
首先先找到TensorFlow與cuDNN、CUDA對應的版本,查找的網址爲:https://blog.csdn.net/omodao1/article/details/83241074。之前就是因爲版本不對,老是報:ImportError: Could not find 'cudart64_90.dll'. TensorFlow requires that this DLL be installed in的錯誤。
看到圖中我們當前的TensorFlow需安裝1.5之後的版本。
使用的命令如下所示
pip install tensorflow-gpu==1.6.0
安裝完成後,可以在命令提示符中進行如下測試:
出現類似上圖的結果,證明TensorFlow安裝成功。
本文章的參考博文爲:
https://blog.csdn.net/chszs/article/details/78987753(主要參考)
https://www.cnblogs.com/pgzhang/p/9146617.html