admin管理员组文章数量:1646239
1. 确认能安装的CUDA版本
win10 一般都有对应的显卡驱动,若没安装的,可以提前利用驱动软件进行安装更新或进入英伟达官网进行下载
查看可使用的CUDA版本
桌面右键——>打开英伟达控制面板
若是桌面右键没有这个选项,可以利用左下角快速搜索,搜索 NVIDIA Control Panel进行打开。
进入系统信息 —— 组件,可以看到当前驱动程序支持的 CUDA 版本,此电脑支持的版本为 10.2.104,因此需要从英伟达官网下载10.2的CUDA版本。
ps:后面发现,其实不需要过多关心此处的版本号,本文用的 cuda 10.2 其实不在 tensorflow 支持的范围内,但莫慌,可以正常使用。需要关心的点有4个:
- 当前显卡最高支持的驱动版本,以及其支持最高 cuda 版本
- 想要下载的 tensorflow 版本及其对应的 cuda 版本(例如 tensorflow 2.3.0 对应 cuda 10.1、tensorflow 2.4.0 对应 cuda 11.0)
- 取上面两点最小的 cuda 版本号进行安装 (不是版本越高越好,是适合的才好,没有那么多坑,埋坑并不能提高技术水平。。。)
- 下载 cuda 版本对应的 cudnn 版本
2.下载 CUDA Toolkit
CUDA 各版本下载连接 — 此处可能需要自备梯子才能打开网页和下载
由于我下载在线安装的版本时安装失败,因此选了本地安装包进行下载。
小提示:实测利用迅雷下载,会有明显提速,并且不需要梯子也可以进行下载,CUDA 10.2 迅雷下载连接
3.安装 CUDA 10.2
双击下载好的离线安装包,建议安装路径都选用默认路径,若是 C盘空间不足,请务必记录安装过程中设置的路径,后续需要使用。
选择自定义安装
去除 Visual Studio Integration 选项
保持默认路径设置,若需要修改,请务必记录好路径
下一步等待安装结束。
在系统变量中,添加下面的 PATH 环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64
验证是否安装成功
打开 CMD ,执行查看 CUDA 版本的命令
nvcc -V
显示版本信息,安装成功!
4. 安装 cudnn
需要注册登录 nvidia 开发者账号才能进行下载 下载页面
展开所有选项
找到 cudnn 7.6.5 for CUDA 10.2
小提示:可以利用迅雷进行下载 cudnn 7.6.5 zip
下载下来是一个压缩包,解压之后有3个文件夹
将这三个文件夹,直接复制到 cuda 安装目录下,
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
完成 CUDA+CUDNN 的环境安装
5.TensorFlow 测试
创建 conda 环境
若是没有安装 anaconda 的话,可以参考这篇文章进行安装,(ubuntu 与 win10 几乎通用)https://blog.csdn/qq_29225913/article/details/105347317
直接从开始菜单打开 anaconda CMD 环境 Anaconda Prompt
更新 pip
pip install --upgrade pip --user
直接从 base 复制一个环境,名为 tf20_gpu
conda create --name tf20_gpu --clone base
然后进入 tf20_gpu 这个环境
conda activate tf20_gpu
安装 gpu 版本的 TensorFlow 2.3.0
pip install tensorflow==2.3.0
安装完成后,可以使用测试代码进行测试环境是否安装成功
cmd 进入python环境,逐行输入下面代码
import tensorflow as tf
print(tf.__version__)
print('GPU', tf.test.is_gpu_available())
如果出现下面错误(感觉98%的可能都会出现,因为目前 tenorflow 貌似没有支持到 cuda10.2的toolkit,2.3.0以下的最高支持 cuda10.1,而目前最新的(截止到文章日期:2021.01.02)的 tensorflow 版本是 2.4.0 支持 cuda 11.0)
Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found
下面给出 3 个解决方法(我直接用第3个方法):
- 重新下载 cuda 10.1 的 toolkit,同时降级显卡驱动,cuda toolkit 安装包其实已经带有驱动了
- 更新显卡驱动(必须显卡支持才行)下载最新的 cuda 11.0 toolkit,与 cudnn 8,同时安装tensorflow 2.4.
- 将 cudart64_102.dll 复制一份,重命名为 cudart64_101.dll,使得 import tensorflow 时能够找到对应的dll文件。
重新打开 CMD 进行测试
最后出现 GPU True,意味着环境已经安装成功
win10 的深度神经网络GPU训练环境搭建到此搭建完毕!
版权声明:本文标题:win10+cuda10.2+cudnn7.6.5+TensorFlow2.3.0 深度神经网络环境搭建 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/dianzi/1729421511a1200598.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论