tensorflow2.2.0GPU版本+CUDA+cudnn安装+配置防坑指南
在系统Path环境变量中配置以上四个环境变量，缺一不可，从CUDA的安装路径中找到对应的位置复制地址粘贴进去即可。根据作者的经验，选择一个发行日期不太新也不太旧的版本下载，下载完以后一直next安装即可，最好不要修改安装路径。不出所料，没有配置成功。如图直接点击donwload下载，下载完成后一直next安装，需要注意的是这一步最好选择自定义安装。附上官网链接 https://www.nvidia
- 在委屈求全使用了一段时间的cpu版的tf之后，终于在今天下定决心安装配置GPU版的tf，安装+配置大概用了两个小时，下面记录一下安装过程和爬坑技巧，防止大家踩坑
1.首先安装显卡驱动
以防万一，无论设备原先是否安装过显卡驱动都重新安装或更新一下
附上官网链接 https://www.nvidia.cn/geforce/drivers/
选择手动搜索显卡驱动
作者的辣鸡显卡是GTX1050Ti，大家按照自己的显卡搜索对应的驱动
根据作者的经验，选择一个发行日期不太新也不太旧的版本下载，下载完以后一直next安装即可，最好不要修改安装路径
2.安装CUDA
还是官网下载安装程序 附上链接 https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
如图直接点击donwload下载，下载完成后一直next安装，需要注意的是这一步最好选择自定义安装
最后安装完成关闭即可
3.下载cudnn
由于官网下载需要注册，这里给大家附上百度云
链接：https://pan.baidu.com/s/1f5ZYrwgbqyxUZbXzB8WDsA
提取码：3yl8
下载完成后是一个压缩文件，将其解压
解压后将三个文件夹和一个txt文件全部放在"cudnn"(自己创建)这个文件夹下复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0路径下
cudnn相当于CUDA的一个补丁，至此cudnn配置搞定
4.配置环境变量
在系统Path环境变量中配置以上四个环境变量，缺一不可，从CUDA的安装路径中找到对应的位置复制地址粘贴进去即可
5.安装tensorflow-gpu
直接以管理员身份打开命令行，键入
pip install tensorflow-gpu==2.2.0 -i http://pypi.douban.com/simple/
这里使用豆瓣的源下载，亲测速度很快
安装完成以后测试是否配置成功
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf
print(tf.version)
print(tf.config.list_physical_devices(“GPU”))
print(tf.test.is_gpu_available())
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
不出所料，没有配置成功。不必担心，作者已踩坑。观察警告日志，发现是各种cudnnxxx.dll未能加载
下载各种dll，这里给大家附上百度云
链接：https://pan.baidu.com/s/1yNBXYtw5B36FLNPd1s92UQ
提取码：6bbw
下载下来以后是一堆dll文件，将其全部复制到C:\Windows\System路径下
6.配置成功
最后，再来测试一次
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf
print(tf.version)
print(tf.config.list_physical_devices(“GPU”))
print(tf.test.is_gpu_available())
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
哇！终于成功了！enjoy！
昇腾计算产业是基于昇腾系列（HUAWEI Ascend）处理器和基础软件构建的全栈 AI计算基础设施、行业应用及服务，https://devpress.csdn.net/organization/setting/general/146749包括昇腾系列处理器、系列硬件、CANN、AI计算框架、应用使能、开发工具链、管理运维工具、行业应用及服务等全产业链
更多推荐
1
0- 0
已为社区贡献1条内容
所有评论(0)