0%

Windows安装tensorflow-gpu

准备工作

下面列出了博主测试成功的环境,使用其它的版本可能出现不可预料的情况。

硬件

  • 图形卡
    根据Tensorflow官网上对于GPU 支持的描述,需要CUDA® 计算能力为 3.5 或更高的 NVIDIA® GPU卡。大部分主流N卡都能满足这一点,如果不确定的话,可以在官网上查看:CUDA GPUs。博主使用了一块NVIDIA GeForce RTX 2070进行测试。

  • 其它
    其它硬件达到主流配置即可。

软件

  • Windows系统
    由于macOS Mojave的N卡驱动迟迟没有更新(据说是苹果已经抛弃了N卡,未来很有可能不会再更新驱动);并且Tensorflow官方已经不再推出适配macOS的tensorflow-gpu了,需要自己编译;因而使用Windows或者Linux系统会是更好的选择。博主使用的是Windows 10。

  • 显卡驱动程序
    在连接到网络时,Windows 10会自动下载安装显卡驱动,但可能不是最新版本。建议通过GeForce Experience管理驱动程序。

  • CUDA
    tensorflow-gpu依赖于CUDA,需要到NVIDIA官网上的CUDA Zone下载。下载时选择10.0版本即可,因为最新的版本可能不被tensorflow所支持。历史版本可以在这里查看:CUDA Toolkit Archive

  • cuDNN
    cuDNN的全称为NVIDIA CUDA® Deep Neural Network library,是NVIDIA专门针对深度神经网络(Deep Neural Networks)中的基础操作而设计基于GPU的加速库。这也是一个重要依赖,需要准备好。其主页是NVIDIA cuDNN,下载需要注册账号,不过也可以选择微信快捷登陆。同样需要注意的是,要正确选择与CUDA对应的cuDNN版本。本文发布时,与CUDA 10.0兼容的最新版本cuDNN为v7.6.0。

  • Python
    博主使用的是Python 3.7.0。安装好之后确保能够通过PowerShell执行pythonpip即可。

  • tensorflow-gpu
    安装tensorflow-gpu的方法也有很多,例如Anaconda或者pip。如果不想折腾环境,直接从这里找一个wheel就行了:tensorflow-gpu · PyPI。需要根据自己的系统和Python版本选择,例如tensorflow_gpu-1.13.1-cp37-cp37m-win_amd64.whl

安装

安装CUDA

安装过程并不复杂。运行从NVIDIA官网上下载的CUDA安装程序,将其安装在默认目录下即可。如果一切正常,相关组件会出现在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0目录下。

安装cuDNN

解压cuDNN的安装包,会得到一个文件夹,将其打开后,可以看到名为binincludelib的子目录。而在前面所说的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0目录下也有这样几个子目录。因此,直接将cuDNN的相关文件复制合并进对应的目录即可。

安装tensorflow-gpu

以PowerShell为例,将CUDA相关组件添加至环境变量:

1
$Env:path=$Env:Path+";C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64;"

完成后,cd进入下载的whl文件所在目录,使用pip安装即可

1
pip install tensorflow_gpu-1.13.1-cp37-cp37m-win_amd64.whl

pip会自动下载所需的依赖。

运行

如果一切顺利,打开Python,执行

1
2
3
4
import tensorflow as tf
hello = tf.constant("Hello, TensorFlow!")
sess = tf.Session()
print(sess.run(hello))

不报错的话,就安装成功了。

🍭支持一根棒棒糖!