文章目录
安装特定版本NVIDIA显卡驱动下载和安装CUDA10.0.130下载和安装CUDNN7.4.2下载和安装Anaconda3.5.2安装Tensorflow-gpu2.0.0和pytorch1.2.0如何使用我们配置的tensorflow-gpu-2.0.0-pytorch1.2的环境在cmd中使用tensorflow-gpu-2.0.0-pytorch1.2环境在编译器(如pycharm)中使用tensorflow-gpu-2.0.0-pytorch1.2环境安装特定版本NVIDIA显卡驱动
从CUDA-wiki百科中可以查到各个版本的CUDA支持的GPU计算等级范围。网址:/wiki/CUDA#GPUs_supported 。然后打开网址:/cuda-gpus ,查看显卡对应的计算等级(Compute Capability)。
GTX1070max-q的核心与GTX1070的核心相同,计算等级都为6.1。由此可知我们的GTX-1070MAX-q显卡可以安装CUDA10。关于CUDA各版本对nvidia驱动版本的要求可以看这里:/cuda/cuda-toolkit-release-notes/index.html 。
这里我们选择安装CUDA10.0.130。该版本CUDA在Linux x86_64系统上需要>= 410.48版本的NVIDIA驱动,在windows上需要>= 411.31版本的NVIDIA驱动。由于我的电脑win10系统已经升级到了441.87NVIDIA驱动,因此符合要求。如果你的驱动不符合版本要求,可以在这里下载特定版本的NVIDIA驱动:/Download/Find.aspx?lang=cn 。
下载和安装CUDA10.0.130
我们在这个网址可以查到各个版本的tensorflow支持的CUDA和CUDNN版本:/install/source#common_installation_problems 。我们要安装tensorflow2.0.0,CUDA10.0.130支持该版本的tensorflow,其下载地址:/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10 。我们可以选择直接下载完整安装包。
下载后按默认设置安装即可。
安装完成后,添加下面四个路径到用户环境变量中:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
这四个路径非常重要,如果不添加,会出现import tensorflow时正常不会报错,但当你要执行tf.Session()的时候就会卡住。因为这个时候将会调用cuda,没有路径的话cuda需要的各种lib、dll加载不了。
上述操作全部完成后打开cmd,输入nvcc -V,如果出现CUDA版本信息,证明路径已经配置好了。
下载和安装CUDNN7.4.2
由这个网址:/install/source#common_installation_problems 。我们还可以查到各个版本的tensorflow需要安装的CUDNN版本。我们要安装tensorflow2.0.0,CUDNN7.4.2支持该版本,其下载地址:/rdp/cudnn-archive 。
下载文件。解压缩后得到一个文件夹。将这个目录中所有文件复制粘贴到CUDA安装位置:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0即可。
下载和安装Anaconda3.5.2
我们可以从anaconda官网上下载anaconda,如果觉得速度慢的话也可以从这个镜像:https://mirrors.tuna./anaconda/archive/ 中下载也可以,注意安装anaconda3-5.2.0,这个版本的anaconda默认安装python3.6。
安装过程按默认设置下一步即可。注意不要勾选add anaconda to the system PATH environment variable,我们待会儿会手动设置。
安装完成后,在用户环境变量中新建一个path,添加下面三个路径:
C:\Users\zgcr6\Anaconda3
C:\Users\zgcr6\Anaconda3\Scripts
C:\Users\zgcr6\Anaconda3\Library\bin
然后打开cmd,输入conda -V测试一下,如果能正常显示版本号,说明已经配置好了。
安装Tensorflow-gpu2.0.0和pytorch1.2.0
我们在anaconda中先新建一个名为tensorflow-gpu-2.0.0-pytorch1.2的环境,该环境安装python3.6。打开anaconda prompt,使用命令:
//首三行代码是将conda安装源换成清华源(永久设置),因为官方源是pypi,在国内下载速度太慢了//清华源是官网pypi的镜像,每隔5分钟同步一次,地址为 https://pypi.tuna./simple//如果使用pip时想临时用一下清华源,使用命令:pip install -i https://pypi.tuna./simple package-name//还可以使用阿里源:/pypi/simpleconda config --add channels https://mirrors.tuna./anaconda/pkgs/free/conda config --add channels https://mirrors.tuna./anaconda/pkgs/main/conda config --set show_channel_urls yes# 如果需要换回conda默认源# conda config --remove-key channelsconda search tensorflow-gpu //查找tensorflow-gpu的所有版本conda create -n tensorflow-gpu-2.0.0-pytorch1.2 python=3.6.6 //新建一个名为tensorflow-gpu-2.0.0-pytorch1.2的环境
然后等待安装完成。该命令创建了一个名为tensorflow-gpu-2.0.0-pytorch1.2的环境,并安装了python3.6.6。创建的环境位置在:C:\Users\zgcr6\Anaconda3\envs。
然后我们将下面这两个目录添加到用户变量中,注意要放到anaconda的目录之前:
C:\Users\zgcr6\Anaconda3\envs\tensorflow-gpu-2.0.0-pytorch1.2
C:\Users\zgcr6\Anaconda3\envs\tensorflow-gpu-2.0.0-pytorch1.2\Scripts
然后打开cmd,使用下面的命令安装tensorflow2.0.0:
python -m pip install tensorflow-gpu==2.0.0//如果觉得慢可以临时用一下清华源python -m pip install -i https://pypi.tuna./simple tensorflow-gpu==1.13.1
等待安装完成即可。
安装完成后,我们还需要验证tensorflow能否正常调用显卡进行计算。打开cmd.exe,输入python,然后依次输入下面的命令:
import tensorflow as tfhello = tf.constant("hello, world!")print(hello)
当输入到第三句sess = tf.Session()时,即开始调用显卡。注意如果是第一次在系统中使用tensorflow来调用显卡时,在adding visible gpu devices:0这里会卡住3-5分钟,之后如果能够继续运行并正常输出hello world,则说明安装成功。
再安装pytorch1.2.0。
pip install torch==1.2.0 torchvision==0.4.0 -f /whl/torch_stable.html
安装完成后,我们要验证一下安装是否成功。在cmd窗口中输入python,然后依次输入下列命令:
import torchprint(torch.cuda.is_available())
如果输出为True,则说明我们的安装成功了。
如何使用我们配置的tensorflow-gpu-2.0.0-pytorch1.2的环境
在cmd中使用tensorflow-gpu-2.0.0-pytorch1.2环境
将tensorflow-gpu-2.0.0-pytorch1.2环境的路径加入到用户环境变量中,即路径C:\Users\zgcr6\Anaconda3\envs\tensorflow-gpu-2.0.0-pytorch1.2,注意这个路径一定要放在我们刚才添加的路径C:\Users\zgcr6\Anaconda3之前。
此时打开cmd后,输入python运行的就是C:\ProgramData\Anaconda3\envs\tensorflow-gpu-2.0.0-pytorch1.2目录中的python.exe。
在编译器(如pycharm)中使用tensorflow-gpu-2.0.0-pytorch1.2环境
我们以pycharm为例,在pycharm中找到项目的解释器设置(file->settings->project interpreter),将解释器路径设为我们的C:\Users\zgcr6\Anaconda3\envs\tensorflow-gpu-2.0.0-pytorch1.2\python.exe。
如果觉得《win10_64位+GTX1070max-q安装CUDA10.0.130+CUDNN7.4.2+Anaconda3.5.2+Tensorflow-gpu2.0.0+PyTorch-gpu1.2.0》对你有帮助,请点赞、收藏,并留下你的观点哦!