Windows10中Tensorflow GPU的安装

发表于 更新于 分类于 本文字数： 1.9k 阅读时长 ≈ 2 分钟

Tensorflow介绍

TensorFlow™是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。

Tensorflow2.0 GPU版的安装

首先，先确定你要安装的是Tensorflow的CPU版还是GPU版。如果是CPU，请出门右转（开个玩笑）。

其次，Tensorflow分为1.x版本和2.x版本。在本文写的时候，Tensorflow刚出到2.0（preview）版本。对于本文而言，均采用pip的方式安装Tensorflow，并没有采用源码编译的方式。

如果你在pip安装的时候下载很慢，建议你pip使用阿里开源镜像源。具体配置方法为：

在阿里开源镜像中找到pypi，然后点击帮助。

打开C:\User\XXX，然后在其中创建pip文件夹，打开刚创建的pip文件夹，在其中创建pip.ini文件。最后将下方代码粘贴进去即可。

1
2
3
4
5
[global]
index-url = https://mirrors.aliyun.com/pypi/simple/

[install]
trusted-host=mirrors.aliyun.com

现在开始介绍Tensorflow的安装

  • CPU版的安装

    如果你想安装的是Tensorflow1.x的版本，请使用pip install tensorflow

    如果是Tensorflow 2.x的版本，请使用`pip install tensorflow==2.0.0-alpha0

Tensorflow GPU安装时的准备工作：

在安装以下两个文件之前，先去Tensorflow官网查看GPU安装时对CUDA和cudnn的版本要求，特别要注意标红部分。

  • CUDA的下载与安装

    下载网址:https://developer.nvidia.com/cuda-downloads

    如果当前的CUDA Toolkit版本比较高，需要选择低版本的CUDA Toolkit，请点击_Legacy Releases_之后选择Tensorflow官网要求的版本。

    最后等待下载完毕。

    要特别主要自定义中的内容。

    • CUDA中的内容选择

      如果你不使用Visual Studio请把前面个方框中的√去掉。

    • NVIDIA GeForce Experience

      可选可不选

    • Driver components

      如果你当前版本高于或等于上面的新版本,那么此选项不选，如果你当前版本低于新版本，请选择。

    • Other components

      可选可不选

    最后直接点击下一步即可。

  • cudnn的下载与安装

    cudnn的下载是需要登录的。

    下载网址:https://developer.nvidia.com/cudnn

    在下载cudnn的时候，要特别注意cudnn对应的cuda版本号，cuda的版本要使用Tensorflow官网要求的版本号，否者会无法使用GPU版的。注意标红的第二部分。

    然后点击Windows 10即可下载。

    在将cudnn下载完毕后，cudnn不是安装程序，将其解压即可，然后将文件夹名改为cudnn，最后将该文件夹移动到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0中即可。

  • 环境变量的配置

    将以下两个路径添加进系统的环境变量中，最后将刚才添加的环境变量移动到最上面。

    1
    2
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn\bin

  • 验证是否可用

    1
    2
    3
    import tensorflow as tf
    tf.test.is_gpu_available() # 将会弃用，效果同下
    tf.config.list_physical_devices('GPU')

通过以上程序，如果没有出错，则说明安装成功，如果出错，请仔细阅读以上内容。