配置深度学习GPU加速(Cuda以及Cudnn安装,win10操作系统下)
2018-01-26 14:58
681 查看
最近在两篇博文的帮助下,成功配置了Cuda以及Cudnn,实现了深度学习GPU加速。由于这两篇博文没有将Cuda和Cudnn的安装有效的整合在一起,所以这篇博客的目的就是结合两篇博文以及自身安装过程中所遇到的困难和积累的经验,为实现深度学习下GPU加速扫清障碍。
1.实验环境
我的操作系统是windows10,IDE是Pycharm,GPU是GTX1050,CUDA是V9.0,Cudnn是V7.05,Python版本是3.6,tensorflow-gpu是V1.5.0.
2.CUDA安装
首先从NVDIA官网中下载CudaV9.0(不要下最新的9.1,因为最新的tensorflow-gpu1.5.0并不能支持Cuda9.1),安装请参照http://blog.csdn.net/qilixuening/article/details/77503631,Cuda的安装跟着这篇博文走是没有问题的(Cuda的安装我是跟着这篇博文走的)。
然后问题就来了!如果我在E盘安装CUDA(路径为E:\CUDA),安装完成后,为什么我的CUDA文件夹不见了?这时候不要慌张,其实最后的安装路径还是原来系统中的安装路径(C:\ProgramData\NVIDIA Corporation),在配环境变量的时候照着那篇博文配就好了,安装路径都是默认的安装路径。最后根据那篇博文所提供的方法进行检验,看是否成功安装Cuda。
3.Cudnn安装
接下来就是安装Cudnn,下载Cudnn时,需要注册一个英伟达开发者账号,我下载的版本是CudnnV7.05(如果没有记错的话)。安装Cudnn跟着这篇博文走是没有错的。详情参照点击打开链接
在Cuda和Cudnn安装完成后,我们离成功已经不远了。
4.Tensorflow-gpu的安装
Python的安装不再多说,我用的是Anaconda3进行安装的,python的版本是V3.6,如果之前安装的是非GPU版本的tensorflow,请在cmd中输入pip uninstall tensorflow。
在卸载完成后,我们会很习惯的在cmd中输入pip install tensorflow-gpu进行tensorflow的安装,这个时候问题就来了!报错!!!(报错内容已经不记得了,当时没有截图)
好,那么我们换一种方法,我们下载tensorflow-gpu的whl文件,进行安装,结果还是报错!!!(和pip安装是同样的报错!)
这时候是非常令人抓狂的,我试了各种方法,cmd中输入conda install pip,再输入pip install tensorflow-gpu,结果还是报错!!(conda install pip 这条指令在我机子没有用,如果在你机子上有用,那么你很幸运)怎么办呢!只有卸载重装!!在卸载重装后,cmd中输入pip install tensorflow-gpu,完美解决了(我以前下的包啊!!!)。
tensorflow-gpu的版本是V1.5.0.
到这里,如果你已经全部安装完毕,那么你离胜利只有一步之遥。这一步就是在在cmd中敲下几行代码,来检验是否配置成功。
5.值得注意的一点
如果你在import tensorflow as tf,这里出现了报错,并且提示你的Cudnn库里有什么没有更新(具体的我记不清了)。请检查!你的显卡驱动是否安装或者你的显卡驱动是否已经更新到最新的版本!!(当时报这个错,心都要碎了,因为当时整整搞了一天!后来是显卡的驱动没有装,装上之后完美解决了)
当出现这样的结果,恭喜你!你已经成功配置好了!
后来当我在Anaconda3自带的IDE Spyder上跑了一把!结果报错!整个人当时都要爆炸了!
后来我在cmd中又试了一下,还是可行的,难道是IDE的问题?后来我在Pycharm中试了一下,没有任何问题,如下图。
祝大家好运!
参考博文:http://blog.csdn.net/qilixuening/article/details/77503631 http://blog.csdn.net/xuyanan3/article/details/73866883
1.实验环境
我的操作系统是windows10,IDE是Pycharm,GPU是GTX1050,CUDA是V9.0,Cudnn是V7.05,Python版本是3.6,tensorflow-gpu是V1.5.0.
2.CUDA安装
首先从NVDIA官网中下载CudaV9.0(不要下最新的9.1,因为最新的tensorflow-gpu1.5.0并不能支持Cuda9.1),安装请参照http://blog.csdn.net/qilixuening/article/details/77503631,Cuda的安装跟着这篇博文走是没有问题的(Cuda的安装我是跟着这篇博文走的)。
然后问题就来了!如果我在E盘安装CUDA(路径为E:\CUDA),安装完成后,为什么我的CUDA文件夹不见了?这时候不要慌张,其实最后的安装路径还是原来系统中的安装路径(C:\ProgramData\NVIDIA Corporation),在配环境变量的时候照着那篇博文配就好了,安装路径都是默认的安装路径。最后根据那篇博文所提供的方法进行检验,看是否成功安装Cuda。
3.Cudnn安装
接下来就是安装Cudnn,下载Cudnn时,需要注册一个英伟达开发者账号,我下载的版本是CudnnV7.05(如果没有记错的话)。安装Cudnn跟着这篇博文走是没有错的。详情参照点击打开链接
在Cuda和Cudnn安装完成后,我们离成功已经不远了。
4.Tensorflow-gpu的安装
Python的安装不再多说,我用的是Anaconda3进行安装的,python的版本是V3.6,如果之前安装的是非GPU版本的tensorflow,请在cmd中输入pip uninstall tensorflow。
在卸载完成后,我们会很习惯的在cmd中输入pip install tensorflow-gpu进行tensorflow的安装,这个时候问题就来了!报错!!!(报错内容已经不记得了,当时没有截图)
好,那么我们换一种方法,我们下载tensorflow-gpu的whl文件,进行安装,结果还是报错!!!(和pip安装是同样的报错!)
这时候是非常令人抓狂的,我试了各种方法,cmd中输入conda install pip,再输入pip install tensorflow-gpu,结果还是报错!!(conda install pip 这条指令在我机子没有用,如果在你机子上有用,那么你很幸运)怎么办呢!只有卸载重装!!在卸载重装后,cmd中输入pip install tensorflow-gpu,完美解决了(我以前下的包啊!!!)。
tensorflow-gpu的版本是V1.5.0.
到这里,如果你已经全部安装完毕,那么你离胜利只有一步之遥。这一步就是在在cmd中敲下几行代码,来检验是否配置成功。
5.值得注意的一点
如果你在import tensorflow as tf,这里出现了报错,并且提示你的Cudnn库里有什么没有更新(具体的我记不清了)。请检查!你的显卡驱动是否安装或者你的显卡驱动是否已经更新到最新的版本!!(当时报这个错,心都要碎了,因为当时整整搞了一天!后来是显卡的驱动没有装,装上之后完美解决了)
当出现这样的结果,恭喜你!你已经成功配置好了!
后来当我在Anaconda3自带的IDE Spyder上跑了一把!结果报错!整个人当时都要爆炸了!
后来我在cmd中又试了一下,还是可行的,难道是IDE的问题?后来我在Pycharm中试了一下,没有任何问题,如下图。
祝大家好运!
参考博文:http://blog.csdn.net/qilixuening/article/details/77503631 http://blog.csdn.net/xuyanan3/article/details/73866883
相关文章推荐
- Ubuntu16.04安装cuda8.0,cudnn6.0,并在conda里安tensorflow1.3(与cuda8.0匹配),pycharm的gpu加速环境变量配置
- Ubuntu环境下深度学习cuda,cudnn,caffe,tensorflow的安装
- [深度学习]Ubuntu16.04 + GTX 1050 + cuda8.0 + cuDNN5.1 + caffe安装详解
- Caffe学习系列(1):安装配置ubuntu14.04+cuda7.5+caffe+cudnn
- 深度学习环境配置(Nvidia驱动+CUDA+cuDNN)
- N卡双显卡电脑装ubuntu15.04并配置Anaconda+Tensorflow+cuda+cuDNN的深度学习环境
- Caffe学习系列(1):安装配置ubuntu14.04+cuda7.5+caffe+cudnn
- ubuntu16.04+双显卡驱动+cuda9.1+cudnn7.05深度学习环境配置
- ubuntu16.04安装NIVIDIA显卡驱动,cuda8.0,cuDNN6.0以及基于Anaconda安装Tensorflow-GPU
- Ubuntu 17.10 + CUDA8.0+cudnn 在GT610 电脑上配置深度学习环境
- Caffe学习系列(1):安装配置ubuntu14.04+cuda7.5+caffe+cudnn
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow
- [置顶] 深度学习框架搭建 Ubuntu16.04+CUDA+Anaconda4.2+Python3.5+keras+TensorFlow gpu+cuDNN
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow
- 深度学习系列文章之三:caffe+ubantu14.04+cuda7.5+cudnn7.0v3+openvc3.0安装
- 在UBUNTU 16.04上配置TensorFlow + cuDNN + CUDA深度学习系统(30分钟傻瓜版)
- Py之TF/Cuda/Cudnn:Win10下安装深度学习框架Tensorflow+Cuda+Cudnn最简单最快捷最详细攻略—Jason niu
- Linux 配置 深度学习环境常用的命令 pytorch-tensorflow-cuda-cudnn-nvcc
- [caffe入门学习之一]:安装配置ubuntu14.04+cuda7.5+cudnn+caffe
- 从零开始搭建深度学习服务器: 基础环境配置(Ubuntu + GTX 1080 TI + CUDA + cuDNN)