一,卸載CPU版本,如下圖
之前我已經安裝了anaconda,現在檢查它的版本以及環境。發現有tensorflow環境,但我需要tensorflow-gpu的環境,所以輸入conda uninstall tensorflow卸載了,
如果發現卸不掉就anaconda頁面中點enviroments,選擇tensorflow點擊下面的remove就可以卸載乾淨。
再次輸入conda info --envs,結果如下圖所示:
輸入conda creat -n tensorflow-gpu pip python=3.6安裝tensorflow-gpu環境,
再次檢查可以看出我們成功創建tensorlfow-gpu環境:
二,安裝CUDA和CuDNN
1.查看自己的顯卡
只有NVIDIA顯卡才支持用GPU跑TensorFlow,查詢GPU是否支持CUDA,一般要計算能力在3.0以上才適合。
(查看鏈接:https://developer.nvidia.com/cuda-gpus)
2.安裝顯卡驅動
顯卡硬件明確之後,安裝顯卡的驅動,鏈接http://www.geforce.cn/drivers
我的是1060,就是10series系列,下拉可以找到。我選擇2019/9/10發佈的。
下載完畢後,安裝,選項默認不要隨便改。
3.安裝CUDA
首先看看tensorflow和CUDA以及 cuDNN對應的版本。本人用了tensorflow-gpu1.12+CUDA9.0+cuDNN7.0
CUDA下載地址:https://developer.nvidia.com/cuda-toolkit-archive
下載完畢是cuda_9.0.176_win10.exe。然後就是雙擊安裝,選擇自定義,在選擇安裝項時一般不安裝GeForce Experience,CUDA是核心組件必須勾上,接着點擊下一步就開始安裝了。
在安裝的過程中發現安裝出現錯誤,將CUDA選項下面的VS勾掉就可以,如下圖:
4.安裝cuDNN
cuDNN就相當於cuDA顯卡計算庫中專門針對Depth Neural Network深度神經網絡的計算專用庫。
cuDNN的下載地址:https://developer.nvidia.com/rdp/cudnn-download。需要註冊比較簡單。
下載完畢後解壓縮,得到三個文件夾,將這三個文件拷貝到~CUDA\v9.0這個目錄下,集替換。
三,安裝tensorflow1.12.0
在第一步我們已經創建了tensorlfow-gpu環境,現在激活並進入環境中:
安裝tensorflow輸入語句:pip install --ignore-installed --upgrade tensorflow-gpu==1.12.0
驗證成功安裝
(tensorflow-gpu) C:\Users\2018061801>python
Python 3.6.9 |Anaconda, Inc.| (default, Jul 30 2019, 14:00:49) [MSC v.1915 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> tf.__version__
'1.12.0'
>>>