本文共 3374 字,大约阅读时间需要 11 分钟。
总是喜欢先说点题外话,因为今天是个特殊的日子,2018年12月23日下午3点左右,正是2019年研究生入学考试的最后一场考试(对于大部分学生来说应该是专业课考试),此刻我的室友正在离我约500的考场奋笔疾书吧。说实话很佩服她,她曾经与保研擦肩而过,在大家都报考985的时候她选择了本校,乍一看这个选择不明智,但现在想来似乎还不错。在过去的一周里,晚上我睡觉时她在背知识点,早上我睁开眼睛她已经爬起来看书了。昨天早上我陪她走到考场外,看着她消失在人群中的背影,我发现自己可能都没有勇气走进考场,那一刻感觉哎,其实能坚持下这最后的两天就已经相当不容易,毕竟她的身体还不是十分舒服。中午听到有同学想放弃下午考试的想法,本想拿起手机劝他再坚持,不过不知是怎么了,编辑好的文字还是删除了,因为感觉每个人都有自己的选择,做出这个决定时自己肯定也考虑到了所有后果。只要能让自己的心里舒服一点就好了吧。
上天始终是眷顾我的,哈哈哈哈,现在看来是这样的,但以后也许未必吧这样认为。好了,感慨到此,折腾了一整个周末的tensorflow-gpu总算是装上了。
1.之前在同学的本子上装过一次,过程十分顺利,版本应该是cuda8和对应cudnn,这次由于换了新笔记本,所以需要重新配置。
显卡:1060 6g 驱动:cuda9.2.217 driver 受上次的影响,我认为cuda9.2肯定会兼容9.1的呀,于是我果断下载安装9.1的,其实在安装前就已经提示说版本不兼容,我看到有个博主说没有关系,于是就安装了。结果就是cuda安装成功了,但是我的显卡控制面板打不开了,连服务都不见了。百度了一个下午没有解决问题后选择了重装系统(因为是新本子,比较方便,如果有类似情况还请慎重),然后重新下载安装cuda9.2 2.上个问题解决以后,一切安装都很顺利,但是pip install tensorflow-gpu后,在cmd下运行import tensorflow as tf就报failed to load the native tensorflow runtime,于是百度、csdn、stackflow各种解决办法我都试过了,还是没用。首先肯定不是版本问题,版本我都是认真核对过的。最后个人猜测是visual c++ 2015的redistributable没有安装好,最后我装了visualcppbuildtools_full之后,系统给我重新装了2015 32和64位的。然后再装tensorflow-gpu就可以了。这次安装没有记录详细过程,但其实都差不多,放上上次安装的过程吧。
注意现在下面的网址找到python tensorflow cuda和cudnn的对应版本 ****
一、CUDA
1.CUDA的介绍
CUDA® is a
parallel computing platform and programming model developed by NVIDIA for general computing on graphical processing units (GPUs). With CUDA, developers are able to dramatically speed up computing applications by harnessing the power of GPUs.CUDA®是一个并行计算平台和编程模,型是由NVIDIA开发通用计算图形处理单元(gpu)。有了CUDA,开发人员可以通过利用gpu的能力极大地提高计算应用程序的速度。
In GPU-accelerated applications, the sequential part of the workload runs on the
CPU – which is optimized for single-threaded performance – while the compute intensive portion of the application runs on thousands of GPU cores in parallel. When using CUDA, developers program in popular languages such as C, C++, Fortran, Python and MATLAB and express parallelism through extensions in the form of a few basic keywords.在GPU加速的应用程序中,工作负载的顺序部分运行在CPU上——CPU针对单线程性能进行了优化——而计算密集型部分并行运行在数千个GPU内核上。在使用CUDA时,开发人员使用C、c++、Fortran、Python和MATLAB等流行语言进行编程,并通过扩展以几个基本关键字的形式表达并行性。
The CUDA Toolkit from NVIDIA provides everything you need to develop GPU-accelerated applications. The CUDA Toolkit includes GPU-accelerated libraries, a
compiler, development tools and the CUDA runtime.NVIDIA的CUDA工具包提供了开发gpu加速应用程序所需的一切。CUDA工具包包括gpu加速库、编译器、开发工具和CUDA运行时。
是否支持CUDA:
(1)在控制面板搜索NVIDIA,双击NVIDIA控制面板
(2)帮助–>系统信息
(3)选择组件,找NVCUDA.DLL信息显示即为显卡支持的CUDA最高版本网址:
1.根据显卡支持的CUDA版本选择相应的CUDA
2.选择操作系统类型和CUDA的安装类型
exe分为网络版和本地版,网络版安装包比较小,执行安装的时候再去下载需要的包;本地版安装包是直接下载完整安装包下载完成后开始安装
(1)
(2)注意这里如果提示版本不兼容,还是要慎重
(3)选择自定义安装
(4)这次安装时发现很多博主提示如果不用vs的话只选择CUDA下的前四项
在选择安装项时一般不安装GeForceExperience,CUDA是核心组件必须勾上,剩下两个选项的当前版本如果比新版本低的话也可以勾选上 (5)安装过程 至此cuda安装成功,可以在cmd下试试 nvcc -V命令 3.环境变量 cuda安装成功后,系统会自动添加环境变量,一般情况下,还要把cuda安装路径、安装路径下的lib文件夹、lib\64手动添加到path中二、CuDNN
注意版本:win10下CUDA9–CUDNN6–tensorflow-gpu1.4
1.注册登录CuDNN账号
2.选择和CUDA版本对应的CuDNN,进行下载
3.下载完成后进行解压安装
将这三个文件拷贝到CUDA的安装路径根文件夹下,注意是bin文件夹对应bin文件夹,include对应include,lib对应lib文件夹
三、安装tensorflow-gpu
注意这里:因为我装过两次,第二次是cuda9.2,有很多博主说tensorflow还不支持9.2,所以下载别人编译的文件,具体可以参考https://blog.csdn.net/weixin_42359147/article/details/80622306
四、验证代码:
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello))
使用过程中出现的错误
1:
解决办法:换模型参考链接:
这个配置过程说简单也简单,说复杂有时会遇到各种各样的问题,所以有问题可以再留言,大家一起讨论。