在深度學習訓練的時候使用GPU而不是CPU我想已經是不爭的事實了,雖然MX150並不在下面的官網列表,但是其實MX150也是支持CUDA的。
https://developer.nvidia.com/cuda-gpus
環境
小米筆記本Air 13
- OS: win10
- CPU: I7 7500U
- GPU: MX150
- GPU驅動: 425.25
- tensorflow: 1.13.1
- tensorflow-gpu: 1.13.1
- visual studio: 2019
安裝TensorFlow
現在TensorFlow的whl文件已經打包的非常好了,基本上是可以安裝上的,但是如果沒有CUDA之類的驅動的話,在導入tensorflow的時候會報錯。
pip install tensorflow tensorflow-gpu
安裝依賴
爲了裝上英偉達的CUDA套件還需要安裝visual studio, 因爲windows的相關編譯環境跟visual studio綁在了一起,即使你只想裝其中一部分,還是得裝上visual studio
安裝visual studio
而windows的安裝程序不會太難,就是下一步,下一步。
安裝 cuda toolkits
CUDA toolkits 10.0
https://developer.nvidia.com/cuda-zone
默認安裝即可,下一步下一步。
安裝cudnn
cudnn 7.6.0.64
https://developer.nvidia.com/cudnn
注意千萬不要貪最新的版本,tensorflow官方不一定支持!
cudnn解壓後放在C:\tools\cuda
最後加入環境變量:
C:\tools\cuda\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64
官方說明如下:
軟件要求
必須在系統中安裝以下 NVIDIA® 軟件:
NVIDIA® GPU 驅動程序 - CUDA 10.0 需要 410.x 或更高版本。CUDA® 工具包 - TensorFlow 支持 CUDA 10.0(TensorFlow 1.13.0 及更高版本)
CUDA 工具包附帶的 CUPTI。
cuDNN SDK(7.4.1 及更高版本)
(可選)TensorRT 5.0,可縮短在某些模型上進行推斷的延遲並提高吞吐量。
參考頁面:
https://www.tensorflow.org/install/gpu
各個版本的兼容測試情況
https://www.tensorflow.org/install/source#linux
安裝參考: