博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
WIN10+RTX2070 tensorflow-gpu环境搭建
阅读量:5777 次
发布时间:2019-06-18

本文共 2609 字,大约阅读时间需要 8 分钟。

hot3.png

参考

我选择了:1.12.0\py37\GPU\cuda100cudnn73sse2

前置环境

  • Visual Studio 2017
  • Anaconda3
这两个我都安装的最新版。Visual Studio 2017不装会导致安装CUDA时"Visual Studio Integration"组件安装失败,我在此处卡了几天,查了好多资料都无效。

GPU相关软件下载

  • Nvidai驱动
  • CUDA10.0: , 选择CUDA Toolkit 10.0
  • cuDNN:, 选择Download cuDNN v7.3.1 (Sept 28, 2018), for CUDA 10.0
  • tensorflow安装包:

安装

  • 显卡驱动安装
  • 安装CUDA
安装好之后的环境变量默认包含:CUDA_PATH:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0CUDA_PATH_V10_0:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0PATH:	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64(这个需要自己添加)
  • 安装cuDNN
解压cuDNN后得到bin、include、lib三个文件夹将bin下的cudnn64_7.dll拷贝到:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin将include下的cudnn.h拷贝到:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include将lib\x64下的cudnn.lib拷贝到:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

tensorflow-gpu环境配置

  • 打开
  • 创建环境
    conda create -n tensorflow_gpu_1.12_py37 python=3.7
  • 激活环境
    conda activate tensorflow_gpu_1.12_py37
  • 安装tensorflow-gpu
    pip install E:\Downloads\tensorflow_gpu-1.12.0-cp37-cp37m-win_amd64.whl
  • 测试
    进入python	>>> import tensorflow as tf	>>> hello = tf.constant('Hello, tensorflow!')	>>> sess = tf.Session()
    输出:
    2019-03-02 09:37:52.875467: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2	2019-03-02 09:37:53.200917: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] Found device 0 with properties:name: GeForce RTX 2070 major: 7 minor: 5 memoryClockRate(GHz): 1.62	pciBusID: 0000:01:00.0	totalMemory: 8.00GiB freeMemory: 6.59GiB	2019-03-02 09:37:53.207587: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0	2019-03-02 09:40:52.845289: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] Device interconnect StreamExecutor with strength 1 edge matrix:	2019-03-02 09:40:52.848702: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988]      0	2019-03-02 09:40:52.850105: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0:   N	2019-03-02 09:40:52.854219: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow 	device (/job:localhost/replica:0/task:0/device:GPU:0 with 6331 MB memory) -> physical GPU (device: 0, 	name: GeForce RTX 2070, pci bus id: 0000:01:00.0, compute capability: 7.5)
    接着执行
    print(sess.run(hello))
    输出:
    b'Hello, tensorflow!'
    关闭session
    sess.close()

至此结束,第一次感觉开发环境搭建不容易。

转载于:https://my.oschina.net/pasenger/blog/3016987

你可能感兴趣的文章
js发送post请求下载文件
查看>>
Log4j进阶:在线查看log日志并使用tomcat验证账户权限
查看>>
jQuery高级编程
查看>>
JWT初认识
查看>>
mybatis 的插件应用:分页处理(分页插件PageHelper)
查看>>
Java并发之AQS源码分析(二)
查看>>
MySQL快速复制数据库的方法
查看>>
重新认识HTML,CSS,Javascript 之node-webkit 初探
查看>>
linux系统学习第十五天-<<工程师技术>>
查看>>
公网API安全--OAuth认证
查看>>
【转】java 定时执行任务练习
查看>>
Guava-Monitor-Future并发特性
查看>>
lae界面开发工具入门之介绍九--<lua脚本组件篇>
查看>>
noejs内存泄露
查看>>
使用IntelliJ IDEA 14和Maven创建java web项目
查看>>
【九度OJ1512】|【剑指offer7】用两个栈实现一个队列
查看>>
虚拟机下centos复制导致network连接失败问题解决方法
查看>>
Java中Math类常用函数总结
查看>>
libsvm代码阅读:关于Kernel类分析
查看>>
R语言求定积分
查看>>