TensorFlow2.0 系列开篇: Windows下GPU版本详细安装教程

栏目: 数据库 · 发布时间: 5年前

内容简介:第一时间获取价值内容

点击上方“ Datawhale ”,选择“星标 公众号

第一时间获取价值内容

【导读】 今年三月谷歌在TensorFlow开发者峰会上宣布TensorFlow 2.0 Alpha版本(内部测试版)之后,TensorFlow 2.0 Beta版本(公开测试版本)已经发布。TF2.0相比于1.x版本默认使用Keras、Eager Execution、支持跨平台、简化了API等。这次更新使得TF2.0更加的接近PyTorch,一系列烦人的概念将一去不复返。如果2019的下半年开始入坑TF,那么你将选择进入AI的最佳时机了,Tensorflow社区蓬勃发展,未来可期。接下来就给大家带来TF 2.0 Beta –Window系统下GPU版本的详细完整的安装教程。

1.Anaconda

  1. 安装Anaconda

  2. 修改路径

  3. 修改默认浏览器

2.CUDA10.0

  1. CUDA安装

  2. cuDNN安装

  3. PATH配置

3.TensorFlow2.0 Beta-GPU版本安装与测试

  1. 确认显卡

  2. 测试

1. Anaconda

a. 下载

首先进入Anaconda的官网:

https://www.anaconda.com/distribution

选择Windows下 Python 3.7(注意:必须选择64位,因为TF不支持Python32位的)

下载完成后打开,然后就是傻瓜式的安装,一路next即可。

b. 修改路径

默认地址为C盘(这是默认地址,如果你通常安装在 c盘的话,可以忽略此步骤 ),

如果安装后没有其他的操作的话,打开.juyter文件是没有[jupyter_notebook_config.py]

打开cmd,输入

jupyter notebook --generate-config

回车,会产生[jupyter_notebook_config.py]

用Notepad++打开[jupyter_notebook_config.py],找到 c.Notebook

建立你的新工作路径

取消注释,c前面的#要去掉

点击保存,这下就修该好了路径

cmd,输入[jupyter notebook],你就发现你的路径已更改

c. 修改默认浏览器

打开[jupyter_notebook_config.py] 

找到你想用的浏览器路径(下面是我的浏览器路径)

打开[jupyter_notebook_config.py] 找到App.browser = '',在这行下面添加以下三行代码

import webbrowser

webbrowser.register("chrome",None,webbrowser.GenericBrowser(u"C:\ProgramFiles (x86)\Google\Chrome\Application\chrome.exe"))

c.NotebookApp.browser = 'chrome'

TensorFlow2.0 系列开篇: Windows下GPU版本详细安装教程

这样就修改好了Anaconda使用的浏览器和使用路径,还是非常简单的。现在打开我们的Jupyter Notebook(后面将会在这个文件夹写下Tensorflow2.0的笔记内容)

2. CUDA 10.0

a. CUDA 安装

下载CUDA

官网链接:

https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

下载完成后,打开下载的驱动

取勾GeForce Experience

TensorFlow2.0 系列开篇: Windows下GPU版本详细安装教程

如果电脑上本身就有Visual Studio Integration,要将这个取消勾选,避免冲突了

点开Driver comonents,Display Driver这一行,前面显示的是Cuda本身包含的驱动版本是411.31

如果你电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号,那一定要把这个勾去掉。否则会安装失败(相同的话,就不用去取勾了)

接下来需要几分钟的时间安装,这是NVIDIA程序已完成的界面

打开此路径,查看nvcc.exe

有这个nvcc.exe就说明CUDA安装已成功

打开此文件夹,查看有没有cuti64_100.dll

有这个cuti64_100.dll就说明CUPT1已成功

b. cuDNN 安装

CDNN官网链接:

https://developer.nvidia.com/rdp/cudnn-download

选择cuDNN for CUDA10.0

解压cuDNN

将解压后文件复制到CUDA文件夹下 

c. PATH配置

查看CUDA环境路径

我的电脑——>属性——>高级系统设置——>环境变量

在系统变量中找到PATH

查看CUDA路径,当你安装完CUDA后,它会将这两个目录加进来

CUPTA和cuDNN还没有加进来,所以必须将它们添加到路径,这样使用Tensorflow的时候才不会报错

添加CUPTA和cudnn路径

新建——>浏览,找到路径

cuDNN路径,CUPTA路径(缺一不可)

测试CUDA:

cmd

nvcc -V

下面的显示说明我们CUDA的版本是10.0

3. TensorFlow 2.0 安装与测试

a. 确认显卡

安装前要确认 显卡是不是NVDIA的

命令行

pip install tensorflow-gpu==2.0.0-beta0

b. 测试

测试Tensorflow是否安装成功:

步骤:

打开cmd——>ipython——>import tensorflow as t f

import tensorflow as tf

tfabab.test.is_gpu_available()

显示True,说明gpu版本已经安装成功

今日话题

你在学习使用TensorFlow 的过程中,遇到过什么问题呢?

后续还会推出TF2.0 系列学习教程,你有什么想要提问的问题吗?

在评论区留言,分享给大家吧~

你的分享,可以帮助大家共同学习进步。

TensorFlow2.0 系列开篇: Windows下GPU版本详细安装教程


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Two Scoops of Django

Two Scoops of Django

Daniel Greenfeld、Audrey M. Roy / CreateSpace Independent Publishing Platform / 2013-4-16 / USD 29.95

Two Scoops of Django: Best Practices For Django 1.5 is chock-full of material that will help you with your Django projects. We'll introduce you to various tips, tricks, patterns, code snippets, and......一起来看看 《Two Scoops of Django》 这本书的介绍吧!

RGB转16进制工具
RGB转16进制工具

RGB HEX 互转工具

Markdown 在线编辑器
Markdown 在线编辑器

Markdown 在线编辑器

HEX CMYK 转换工具
HEX CMYK 转换工具

HEX CMYK 互转工具