電腦環境
OS: windows 10 pro
顯卡:Nvidia 1080ti
Visual Studio 2017
CUDA Tookit 10.0
cuDNN v7.3.1 Library for Windows 10
cuDNN v7.3.1 Library for Windows 10
1. 檢查顯示卡是否支援
2. 安裝Install Visual C++ Build Tools
3. CUDA Toolkit 安裝
因為我的電腦是nVidia 1080ti的顯示卡,也更新了驅動程式 ,所以就直接安裝CUDA Toolkit
CUDA Toolkit 10.0 Download
版本:cuda_10.0.130_win10_ network.exe
CUDA Toolkit
執行安裝,windows 10安裝時,我都習慣用以"系統管理員身分執行" 避免權限不足導致安裝異常等情況
接著一直"下一步"到完成安裝。
[注意]安裝的過程可能會更新到舊版本的驅動程式, 我因為舊版本無法支援雙螢幕,另手動在更新最新版本的。
有些教學文會加註說明要設定環境變數,但目前在windows 10的安裝過程就會自己協助加入,不需在手動加入了。
安裝完成重新開機。
4.安裝完後檢查CUDA版本
命令提示字元下nvcc --version指令
5.安裝 NVIDIA CUDA Deep Neural Network library (cuDNN)
下戴網址
我下載的版本:cuDNN v7.3.1 Library for Windows 10
解壓縮檔案cudnn-10.0-windows10-x64- v7.3.1.20.zip
將內容檔案複製到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
取代目地檔案
6.安裝Anaconda
版本:Anaconda3-5.3.1-Windows- x86_64
安裝完成,以系統管理員執行Anaconda
建立python 3.6版本的環境,命名為tensorflow-gpu
pip install tensorflow-gpu
Could not find a version that satisfies the requirement tensorflow-gpu (from versions: )
No matching distribution found for tensorflow-gpu
conda install tensorflow-gpu
Solving environment: failed
UnsatisfiableError: The following specifications were found to be in conflict:
- tensorflow-gpu
Use "conda info <package>" to see the dependencies for each package.
新版的Anaconda3-5.3.1 ,預設Python版本是3.7,因tensorflow- gpu目前只支援到3.6版本
因此需要將Python降版到3.6,我這裡是降到3.6.5
先查看所有版本,指令:conda search --full-name python
指令:conda install python=3.6.5
查看降版結果,指令:conda info
命令指示字元啟用環境,指令:activate tensorflow-gpu
查看是否成功
安裝tensorflow-gpu,指令:conda install tensorflow-gpu
安裝keras,指令:conda install keras
執行spyder,跑看看檢查GPU運算功能是否生效
import tensorflow as tf;
print(tf.GIT_VERSION, tf.VERSION)
# Create TensorFlow object called tensor
hello_constant = tf.constant('Hello World!')
with tf.Session() as sess:
# Run the tf.constant operation in the session
output = sess.run(hello_constant)
print(output.decode())# bytestring decode to string.
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf. ConfigProto(log_device_ placement=True))
# Runs the op.
print(sess.run(c))
from keras import backend as K
K.tensorflow_backend._get_ available_gpus()
跑看看python檢查cpu元件是否有缺少的?