博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Windows下安装Tensorflow-gpu(踩坑无数)
阅读量:4134 次
发布时间:2019-05-25

本文共 2408 字,大约阅读时间需要 8 分钟。

当开始学习深度学习的时候,自然就要用到tensorflow-gpu

版,而安装是个巨坑。博主曾深深陷入其中无法自拔,最终破釜沉舟,终于成功,哈哈哈哈哈。
以下是在windows中安装tensorflow的gpu版本的教程

windows下安装tensorflow -gpu

1.安装cuda

首先要去下载cuda

在这里插入图片描述
强烈推荐默认安装地址
安装步骤如下

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

2.安装cudnn

安装完cuda后,就去下载cudnn。博主在当时下载的9.2版本。

在这里插入图片描述

下载完成后,会得到一个压缩包,把压缩包里的文件copy到之前安装cuda的位置(如果默认安装的话,位置应该是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0)

要对应着来copy。
将.h .lib 和.dll 文件分别拷贝到cuda的include, lib/x64, bin 文件夹下

3.安装完这两项之后,就是环境的配置

计算机上点右键,打开属性->高级系统设置->环境变量,可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量,接下来,还要在系统中添加以下几个环境变量:

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0(这是默认安装位置的路径) CUDA_LIB_PATH = %CUDA_PATH%\lib\x64  CUDA_BIN_PATH = %CUDA_PATH%\bin  CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64  CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

然后

在系统变量 PATH 的末尾添加:

%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;    再添加如下4条(默认安装路径): C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64; C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin; C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64; C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64;

如图:

在这里插入图片描述
在这里插入图片描述

4.安装tensorflow

直接在cmd中输入

pip install tensorflow-gpu

如果嫌弃直接安装太慢,可以换个源

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

安装成功后,在cmd进入python环境(博主用的anaconda环境)

输入

import tensorflow as tf

如果没有任何bug出现,那么恭喜你,你太幸运了。

然后你可以输入

tf.Session()

如果出现

在这里插入图片描述
恭喜你tensorflow-gpu安装成功了。
当然,如果你没有那么顺利,也超级正常。
那就看之后的内容。

5.安装过程中遇到的一系列的坑

首先,最简单的,

如果你输入tf.Session()后没有出现,gpu的一系列信息。

pip show tensorflow-gpu

查看有没有tensorflow-gpu的信息

也可以输入

pip show tensorflow

查看是不是系统里面有tensorflow的cpu版本

如果有cpu版本,那么就卸载了tensorflow的cpu版本,重新安装一个。

pip uninstall tensorflow

其次

如果你在import tensorflow时出现了import numpy出错,说明你的numpy版本不适合你的tensorflow版本。
那么,你就要更新你的numpy版本

pip install numpy --upgrade

之后发现,这个错误就没了。

当然,可能会是一些其他库的警告,比如
在这里插入图片描述
仔细看一下这个错误,看一下哪个库出现问题了,这种情况一般就是更新一下相应的库就OK,比如这个错误就是h5py版本太低,所以我更新了h5py

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple h5py --upgrade

最后

如果你import tensorflow时出现下面的信息
在这里插入图片描述
那么,别慌,你肯定去到处去网上搜索资料,这个东西超级难查,博主曾被折磨的醉仙欲死。
解决这个问题,其实so easy。
就用最暴力的方法。
那就是进入E:\ComputerScience\software\Anaconda3\Lib\site-packages这个目录下,把所有有关tensorflow的东西全删了(就是这么暴力)。
然后重新安装tensorflow-gpu

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

搞定!!!,哈哈哈哈

不知道你搞定了没有,反正我搞定了,哈哈哈。
欢迎没有搞定的人在下面讨论。。

Linux 安装 tensorflow-gpu

预先安装好NVIDIA

pip install --index-url http://mirrors.aliyun.com/pypi/simple/ tensorflow-gpu
你可能感兴趣的文章
性能扩展问题要趁早
查看>>
MySQL-数据库、数据表结构操作(SQL)
查看>>
360在线测试--嵌入式软开
查看>>
优化程序性能—《深入理解计算机系统》
查看>>
《演讲的艺术》有感
查看>>
《亲密关系》摘录
查看>>
win7下安装centOS7双系统
查看>>
Linux鸟哥的私房菜—1
查看>>
matlab 批处理图片
查看>>
每日总结-1
查看>>
python学习之 打包脚本
查看>>
String、String[]、ArrayList<String>之间的转换
查看>>
Java反射机制概念及使用
查看>>
build.gradle 浅析(一)
查看>>
常用校验工具方法汇总
查看>>
AndroidStudio提高编译速度的建议
查看>>
Android 布局详解
查看>>
Android RecyclerView完全解析
查看>>
Handler 机制(一)—— Handler的实现流程
查看>>
Java多线程并发系列之闭锁(Latch)和栅栏(CyclicBarrier)
查看>>