Win10搭建深度学习环境tensorflow-gpu+keras,把GPU调用起来
目录
0. 引言
刚尝试运行了MiniVGGNet处理数据集Cifar10的程序。MiniVGGNet是一个卷积层只有两层的网络,总体层数为5层。而VGGNet一般为16层到19层。
环境1:i3-6100(双核,四线程)、8G内存、无外接GPU、Ubuntu18、Tensorflow、Keras、Python2.7。上跑MiniVGGNet训练Cifar10。耗时达到了3个半小时。
笔者在环境2:i7-8700K、16G、GPU: GeForce GTX 1060、Win10、CUDA9.2的环境中,准备搭建环境,在GPU上尝试跑同样的代码试试。
虽然网络上、CSDN上同类型的文章也不少,但是我觉得一方面是自己需要总结,另一方面是软件版本升级得比较快,我们也需要与时俱进的资料。
好,以下是主要过程。
1 安装准备
1.1 确认显卡适合使用
到CUDA-enabled GPU cards.查看自己电脑中的GPU是否榜上有名,GPU边上的计算能力也要注意。因为,tensorflow官网说明,只支持计算能力大于3.5的GPU。
1.2 下载显卡相关安装程序
tensorflow的官网有对软硬件要求有说明。
要CUDA9.0、需要显卡驱动版本大于等于384.x。cuDNN版本大于等于7.2.。其他暂时不用理会。
1.2.1 显卡驱动
第一、先到https://www.geforce.cn/drivers更新一下显卡驱动。同时可以确认一下,显卡驱动的版本是否符合以下表格。
因为目前,Tensorflow要求CUDA版本是9.0,故更新驱动时候,驱动程序的版本大于这个数值,就安全了。
1.2.2 CUDA Toolkit
CUDA已经出到10了。但是我们需要legacy releases中下载CUDA9.0。我的电脑是win10,因此需要选择win10 64bit,我喜欢下载本地安装包,因为用下载工具比较方便。
同时这个CUDA还有4个补丁patch。也下载了。需要先把CUDA9.0主体安装完毕,才可以安装补丁程序。
1.2.3 cuDNN
注册一下,就可以下载了。
2 安装步骤
我的电脑已经安装了visual studio2015社区版和Visual Studio2017社区版。本身安装VS是为了编译OpenCV库的。现在对于深度学习来说,不知是不是必要的了。
安装步骤为:CUDA9.0、CUDA更新包1-4、cudnn。
CUDA的安装过程只需要执行一直下一步,默认的安装就OK了。而cudnn,只需要打开压缩包,ctrl+A,ctrl+C,到cuda/v9.0目录内粘贴一下就好。具体请参照https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html。
3 使用pip安装必要的库
由于我也是玩了python不久,今天才知道可以更新pip源。因此在这里也提一下。
windows下面,换pip源的方法是:
到c:\Users\<用户名>,新建文件夹:pip。在pip文件夹内新建一个文件为pip.ini。
把一下内容复制到pip.ini之内。
[code][global] trusted-host=pypi.douban.com index-url=http://pypi.douban.com/simple
然后使用pip install tensorflow-gpu,也用同样的方式安装keras、matplotlib、sklearn、imutils、numpy等包。
刚开始我安装了最新的python3.7,结果tensorflow for python3.7的还没出……只好换为python3.6了。
执行到这一步,发现通过pip install的包,下载速度达到了1mb/s了。惊讶而又兴奋。
4 执行例子
例子1. 可验证是否识别GPU
[code]import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello))
例子2. 机器学习学习笔记:用MiniVGGNet处理Cifar-10数据集
执行里面的代码。
原先i3-6100需要350s迭代一次,这里使用GPU,只需要13s就可以迭代一次了。GPU进行了加速。占用率是60%。效率比CPU高了一大截。
阅读更多
- 深度学习tensorflow-gpu环境搭建避坑指南-win10_anaconda_python3.5_cuda8.0
- WIN10深度学习环境搭建 Python3.6+Tensorflow+CUDA8.0+Anaconda3+keras
- 手把手教你搭建谷歌TensorFlow深度学习开发环境和更高级的keras开发安装!
- ubuntu+cuda+theano+keras搭建基于GPU的深度学习环境
- 深度学习环境搭建之CentOS 7+NVIDIA GPU+CUDA8.0+CUDNN6.0+TensorFlow
- deepin linux 15.5 + 小米笔记本pro 下的深度学习环境tensorflow-gpu 1.4版本搭建过程
- Tensorflow1.4.0(GPU)+Win10+Anaconda5.0.1+CUDA8.0+cuDNN6.0+Python3.6深度学习环境安装
- 深度学习环境搭建:win10+GTX1060 + tensorflow1.5+keras+cuda9.0+cudnn7
- Ubuntu16.04+GTX1050ti+CUDA8.0+TensorFlow-gpu+Keras+Pycharm配置深度学习环境
- 使用Amazon AWS搭建GPU版tensorflow深度学习环境
- 深度学习caffe无GPU环境搭建记录
- 深度学习GPU环境搭建:ubuntu16.04+GTX1070+Cuda8.0+tensorflow build from source
- win10下基于python(anaconda)安装gpu版本的TensorFlow以及kears深度学习框架
- 在windows下简单快速的搭建tensorflow深度学习环境
- [AI开发]centOS7.5上基于keras/tensorflow深度学习环境搭建
- 手把手教你搭建谷歌TensorFlow深度学习开发环境!
- win10 tensorflow-gpu 环境搭建
- 深度学习pytorch环境搭建+nvidia驱动+cuda+pytorch-gpu
- (通用)深度学习环境搭建:tensorflow安装教程及常见错误解决