一、環境的配置(具體見後續安裝步驟)
注:最好保證自己的電腦安裝過Vs2013至2017任意一版,後續的驗證會用到。
1、Anaconda
(Anaconda3-5.2.0-Windows-x86_64.exe) 該版本對應的爲Python3.6.5
版本號:62244c0382b8142743622fdc3526eda7
下載傳送門:https://repo.anaconda.com/archive/
2、CUDA
(9.0版本)
下載傳送門:https://developer.nvidia.com/cuda-toolkit-archive
3、CuDNN
(只要適應CUDA9.0的版本)
下載傳送門:https://developer.nvidia.com/cudnn
4、Python-3.6(Anaconda自帶該python的版本),如果版本衝突見後文
5、TensorFlow-gpu 1.12
安裝tensorflow-gpu一般是外網,且安裝庫較大,建議大家使用下面靜態網站下載,下載速度比默認路徑快
pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
二、Anaconda的安裝
下載傳送門:https://repo.anaconda.com/archive/
注1:我們選擇安裝的是Anaconda對應python的3.6版本,如果安裝了高版本的Anaconda如何將python從高版本降到低版本3.6,請閱覽:
https://blog.csdn.net/Fhujinwu/article/details/85851587
注2:具體的Anaconda的安裝地址如下:
https://blog.csdn.net/ITLearnHall/article/details/81708148
注3:在安裝Anaconda後運行Anaconda prompt 可能會出現報錯:chcp不是內部命令解決方案,或者cmd不是內部命令的解決方案,解決方法如下:
控制面板->系統和安全>系統->高級系統設置->高級->環境變量
將C:\Windows\System32的路徑添加
三、CUDA9.0的安裝
注1:在安裝前確保本機有獨立的顯卡,以及顯卡的驅動程序已經更新:
更新驅動:去官網http://www.geforce.cn/drivers
有兩種選擇:
(1)你可以下載GeForce Experience讓它自己幫你安裝
(2)也可以自己手動搜素下載驅動程序
如果上述情況都解決了,那就直接確認,之後重啓是可以直接使用的。
注2:進行CUDA9.0的下載與安裝
下載傳送門:https://developer.nvidia.com/cuda-toolkit-archive
注3:具體的安裝步驟:
https://blog.csdn.net/AAlonso/article/details/81504036
可忽略安裝中的一些提示
注4:檢測CUDA:
方法一:在dos窗口中輸入nvcc -V,如果輸出是cuda版本信息,則說明安裝成功
方法二:在cuda安裝文件夾中有deviceQuery.exe 和 bandwidthTest.exe兩個程序。首先啓動cmd DOS命令窗口,默認進來的是c:\users\Admistrator>路徑,輸入 cd … 兩次,來到c:目錄下輸入dir 找到安裝的cuda文件夾。
分別輸入deviceQuery.exe 和 bandwidthTest.exe,運行結果如圖所示。Rsult=PASS則說明通過,反之,Rsult=Fail 則需要重新安裝。
四、 cuDNN的下載:
下載傳送門:https://developer.nvidia.com/cudnn
在下載CUDNN7.0之前,會提示你註冊一個賬號,輸入郵箱等相關注冊信息註冊一個賬號,然後用註冊的賬號進行登錄就可以進行下載。
注1:下載完成後進行解壓
後文的相關路徑即默認路徑
(1)將cuDNN解壓後的三個文件夾bin、include、lib文件夾,將這三個文件夾複製到安裝CUDA9.0的路徑覆蓋原有的文件。本機的安裝路徑爲:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
(2)系統環境的配置:
控制面板->系統和安全>系統->高級系統設置->高級->環境變量(參考二、Anaconda安裝中的注3)
將C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin添加到系統變量的Path中,
將C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include添加到系統變量的Path中,
將C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64添加到系統變量的Path中
五、 tensorflow-gpu1.12的安裝:
注1:添加國內鏡像源,加快安裝速度
參考:https://blog.csdn.net/qq_29007291/article/details/81103603
注2: 打開Anaconda Prompt創建Tensorflow—gpu環境(python環境爲3.6):
(1)
在Prompt中輸入:conda create -n tensorflow_gpu python=3.6
(如果遇到更新python的版本而導致安裝失敗,可查看python的版本,例如:輸入具體python=3.6.5)
中間會讓我們確認一下,輸入個y回車就好了。安裝好後會給我們提示用activate,和deactivate進行環境的切換。
在創建好的環境下,我們先切換到創建好的環境中:
activate tensorflow_gpu
不用時退回到root環境使用如下代碼:
deactivate tensorflow-gpu
(2)在激活環境後(activate tensorflow_gpu)安裝anaconda的包
在Prompt中輸入: conda install anaconda
(3)安裝GPU版本的tensorflow
安裝tensorflow-gpu一般是外網,且安裝庫較大,建議大家使用下面靜態網站下載,下載速度比默認路徑快
在激活後的(activate tensorflow_gpu)環境中輸入:
pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
注3:環境的測試
再輸入以下代碼:
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello)
(一行一行輸入,sess啓動gpu可能需要一些時間)