win10环境下 tensorflow & MATLAB GPU 版本中CUDA和CUDNN的安装步骤个人总结

admin管理员组

文章数量:1530842

总记：无论使用Python+Tensorflow还是MATLAB进行并行卷积运算，都有必要使用GPU进行加速，而GPU加速的前提是电脑装有Nvidia显卡。以本人使用的笔记本电脑为例，显卡为NVIDIA GeForce GTX 1050Ti，硬件算力5.1，符合要求。因此，此笔记主要介绍CUDA和CUDNN的安装。

步骤1：安装C或C++编译器
由于并行计算涉及底层硬件加速，必然用到C或C++，因此利用GPU加速Python或MATLAB前，应保证系统安装了C或C++编译器。以MATLAB为例，其推荐的编译环境为：

另外还有其它软硬件要求：

步骤2：准备相应的软件
CUDA的官方下载地址为：
https://developer.nvidia/cuda-toolkit-archive；
CUDNN的官方下载地址为：
https://developer.nvidia/rdp/cudnn-archive
一定要注意“两个对应”：首先，Tensorflow或MATLAB的版本与CUDA的版本应该严格对应；其次，CUDNN的版本应与CUDA的版本严格对应。举例来说，本人安装的MATLAB 2018b中官方建议的CUDA版本为9.1，那么应去CUDA官方下载版本为9.1的CUDA包，再去CUDNN官方找到与CUDA 9.1匹配的CUDNN包下载。

步骤3：软件的安装，分tensorflow-gpu版和MATLAB版
（1）tensorflow-gpu版
重点参考下面的博客：
1）https://blog.csdn/asd136912/article/details/79383161
2）https://wwwblogs/guoyaohua/p/9265268.html
重点关注以下两点：
1）将CUDNN解压后的三个文件夹里的内容分别拷贝到CUDA安装根目录的对应文件夹下，例如nvidia关于CUDNN的官方安装教程（https://docs.nvidia/deeplearning/sdk/cudnn-install/index.html#install-windows）中给出了如下描述：
The following steps describe how to build a cuDNN dependent program. In the following sections the CUDA v9.0 is used as example:
• Your CUDA directory path is referred to as C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
• Your cuDNN directory path is referred to as

1. Navigate to your directory containing cuDNN.
2. Unzip the cuDNN package.
   cudnn-9.0-windows7-x64-v7.zip
   or
   cudnn-9.0-windows10-x64-v7.zip
3. Copy the following files into the CUDA Toolkit directory.
   a. Copy \cuda\bin\cudnn64_7.dll to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin.
   b. Copy \cuda\ include\cudnn.h to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include.
   c. Copy \cuda\lib\x64\cudnn.lib to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64.
   2）环境变量的配置
   TensorFlow 是一个编程系统, 使用图来表示计算任务，图必须在Session(会话)里被启动. Session将图的op(操作)分发到诸如CPU或GPU之类的设备上运行。所以，这个时候运行python然后import tensorflow as tf是不会报错的，但是当要执行tf.Session()的时候可能就有问题了。这个时候将会调用cuda，我在这里遇到的问题是各种lib,dll加载不了。经过一番检查，定位到问题，Cuda安装完成后默认的环境变量配置不对，不能直接访问到bin和lib\x64下的程序包，在path中加上这两个路径即可。
   
   具体如下：
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp

（2）MATLAB版
可采用和前述tensorflow-gpu版完全一样的方法，或者采用如下图所示的MATLAB官方教程：


--------------------------------------------写在最后----------------------------------------------------
（1）本人更新MATLAB 2019b后，在运行gpuDevice时出现了CUDA版本不支持的错误，即2019b需要CUDA 10.1及以上版本。同时，在自定义安装CUDA 10.1时，由于没选择更新驱动，导致前几次安装后MATLAB仍报错。原因是在更新CUDA时，要保证toolkit、driver的版本同时被更新。解决方法：在安装CUDA时，需要勾选驱动项，保证toolkit、driver等的版本都更新到10.1。
（2）如果是利用Anaconda安装tensorfow，则在指定tensorfow-gpu的版本后，Anaconda会自动安装CUDA和CUDNN，即在Anaconda Prompt用
conda install tensorflow-gpu==1.9.0命令安装时，会自动安装对应的CUDA和CUDNN。所以，强烈推荐采用Anaconda安装tensorfow-gpu版本。
（3）如果需在MATLAB中使用GPU，仍需按前面所述方法配置CUDA和CUDNN。

本文标签： 步骤版本环境amptensorflow