tensorflow的新版本的安装是不分CPU和GPU版本的，直接 pip install tensorflow 就行了

重要的是cuda和cudnn的安装和配置，搞了很久就是用不了GPU

一、NVIDIA 官网 下载安装:CUDA toolkit

https://developer.nvidia.com/cuda-toolkit 下载 11.7.1 版本
安装时，如果已经安装过其它NVIDIA驱动也可以直接再安装

安装时一定要选择【自定义安装】，选项选择:

  1. 可以去掉 nvidia geforce experience .. （这个程序没啥用）
  2. 去掉cuda->visual studio interation (如果没有安装visual studio的IDE的话，根本没用，一般也不用这个IDE所以我选择不要)
  3. diriver components->下面的驱动的话，看一下当前版本和这个程序自带的新版本，自带的版本高于已安装的版本就勾上，否则就去掉吧（如果已经安装过了nvidia驱动应该能看到已有版本号）
    576ED9F1-56D7-4962-A1A9-E58BBA21A696.png
    811D38A8-1D9B-46c5-846C-8E2C43BFB406.png
    F4E8FF23-97F0-40d5-B960-9A82FEB743C2.png

这个安装后一般会需要重启才能生效的，选择等一会把cudnn一并配置好后重启即可。

二、NVIDIA 官网 下载安装:CUDNN （这个程序是需要登录后，加入到开发者身份才能下载，加入也简单，注册账号，填写一个个人资料就可以顺利下载到）

这里要注意cudnn需要与CUDA toolkit的版本兼容才能使用，不然以后在运行tf程序的时候，可能会出现意外终止问题（看到 Loaded cuDNN version 之后就意外退出了，没有任何报错信息）
下载时，一定要看看下载到兼容版本的
https://developer.nvidia.com/rdp/cudnn-archive

这个下载回来后不需要安装，直接解压后就可使用，我的方法是解压后，把文件夹名字改成【cudnn】然后放到CUDA的安装目录里

三、重点：环境变量的配置

需要四个环境变量：

# CUDA toolkit安装后应该会自动添加好以下两个环境变量
$CUDA\bin
$CUDA\libnvvp
# 以下两条是需要手动添加的，添加到上移置顶
$CUDA\extras\CUPTI\lib64
$CUDA\cudnn\bin

61414EDB-3398-4a72-A44D-98E6F04047B2.png

重启电脑让显卡驱动生效。

验证是否有可用的GPU

import tensorflow as tf
tf.test.is_gpu_available()  #True or False  ,  TF1.x 和 TF 2.x中都适用
tf.config.list_physical_devices('GPU')  #会得到一个可用的GPU的设备列表

版权属于：Joyber

本文链接：https://blog.qqvbc.com/default/719.html

转载时须注明出处及本声明

标签: none

添加新评论