TensorFlow-GPU安装整理

菜鸟一只，学百家之精，在实践中成长，在记录中升华。 ——蓦舟遥

前言（我的第一篇CSDN博文）

最近学习TensorFlow，但是由于先前装的TensorFlow-CPU版本觉得程序跑的有点慢，所以我开始了GPU之旅。安装的过程确实玄学曲折了点，在此期间自己看了很多博主的博文，经此一役，决定以后根据我的实践过程，记录自己学习过程，给自己以后留个备忘录，当然如果可以帮助别人就很荣幸。
如果有朋友碰到了我博文没有提到的问题，并且也顺利解决了，可以留言给我，毕竟我希望集合百家方法，可以帮助更多的人。

前期准备工作

在安装Tensorflow-GPU之前，首先需要对我们安装的材料理清楚。
安装材料：

Anaconda
CUDA
cuDNN

本文用例

安装流程全程在Anaconda Prompt中完成，Anaconda3，TensorFlow-GPU 1.13.1，CUDA 10.0.13，cuDNN7.4.1， Python 3.6

0 检查自己的电脑是否可以安装TensorFlow-GPU版本

不是每一台电脑都可以安装TensoFlow-GPU版本，首先要检查你的GPU是否支持。
以我的电脑为例：

打开NVIDIA控制面板，在帮助中点击系统信息。

点击组件，查看自己的GPU支持CUDA版本

1 Anaconda安装

官网下载地址：https://www.anaconda.com/distribution/
在这里插入图片描述
下载好安装包后，一直下一步就好，其中有Advanced Options界面，第一个是自动添加环境路径，第二个是安装Python版本。推荐都勾选。

等待安装完毕即可。

2 TensorFlow-GPU、CUDA和cuDNN之间的版本问题

这篇文章目前发表于2019年12月22日，就我所在时间结点，目前Tensorflow-gpu、CUDN和cuDNN之间的版本匹配如下所示：
（老版本就列下来了，有需要用很老版本的可以去这个网址查看：https://blog.csdn.net/leokale/article/details/95917090）

TensorFlow-GPU版本	Python版本	cuDNN版本	CUDA版本
TensorFlow-GPU-2.0.0-alpha0	2.7、3.3-3.6	7.4.1以及更高版本	CUDA 10.0
TensorFlow-GPU-1.13.0	2.7、3.3-3.6	7.4	10.0
TensorFlow-GPU-1.12.0	2.7、3.3-3.6	7	9
TensorFlow-GPU-1.11.0	2.7、3.3-3.6	7	9
TensorFlow-GPU-1.10.0	2.7、3.3-3.6	7	9
TensorFlow-GPU-1.9.0	2.7、3.3-3.6	7	9

这里要着重说明下，TensorFlow-GPU、CUDA和cuDNN的版本一定要对上，不然会出现各种这样的错误。

3 CUDA安装

安装CUDA的目的是因为CUDA该框架为调用GPU计算而准备的（个人理解），安装TensorFlow-GPU是需要GPU进行计算，因此会比安装TensorFlow-CPU版要多一个该步骤。

大家可以在官网直接下载最新版（https://developer.nvidia.com/cuda-downloads）
对于有历史版本需求的同学，可以在官网的旧版发布里下载（https://developer.nvidia.com/cuda-toolkit-archive）

本文下载的是CUDA 10.0.13版本，其他版本安装也没有什么差别。下载好后，需要解压（安装完毕后系统会自动删除），精简安装，等待完成后就可以了。
安装完成可以打开Anaconda Prompt，进行验证。
检验命令如下：

  nvcc —V

如下图所示：
在这里插入图片描述
注：精简安装默认路径：C:\Program Files\ NVIDIA GPU Computing Toolkit （该路径cuDNN需要用到）

4 cuDNN安装

安装完成后需要安装cuDNN，这是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。cuDNN是CUDA的一个库，该库可以实现GPU上的深度学习计算。
简单的来说就是：深度学习利用GPU进行运算，需要CUDA这个设备能调的动GPU，并且需要给CUDA这个设备加上可以深度学习计算的功能（安装cuDNN至CUDA中）。【类比：想要有可以自动驾驶的车，首先需要有辆车（类似上CUDA），其次需要给它安装可以自动驾驶的功能（类似上cuDNN）】
官方下载网址：（需要注册NVIDIA账号<或者微信、QQ也可>，很简单不麻烦，该下载也并不收费，下载之前会有一个几道选择的简单问卷而已）https://developer.nvidia.com/cudnn
点击Download cuDNN，会进入登录页面
在这里插入图片描述
登录进去后，选择对应cuDNN版本，下载即可。（下载完成是一个压缩包）

下载完毕后，进行解压，会得到一个文件夹，里边包含三个子文件：bin，include，lib。（忽略那一个txt文件）。然后打开CUDA安装目录，前面所提到的C:\Program Files\ NVIDIA GPU Computing Toolkit。将里面的文件依次复制进对应的文件夹内：

以我电脑为例：
cuDNN：C:\…\cuda\bin 中cudnn64_7.dll文件 ————→ C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
cudNN： C:\…\cuda\include 中cudnn.h文件 ————→ C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
cudNN：C:\…\cuda\lib\x64 中cudnn.lib文件 ————→ C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

5 TensorFlow-GPU安装

这里使用的是Anaconda Prompt软件进行安装，一定要用管理员身份运行，因为可能会出现权限不够而安装不成功的情况。软件打开与cmd一样，是黑窗口。如下图：

我采用的是将TensorFlow-GPU安装在了新的虚拟环境中。也可以安装在base下，如果想要直接安装在base中，可以跳过5.1。下面的例子以安装TensorFlow-GPU 1.13.1为例。

5.1创建虚拟环境（附加：打开/移除/重命名环境命令）

5.1.1创建环境：

conda create --name 名称 python
例：（环境名为tensorflow-gpu）
conda create --name tensorflow-gpu python=3.6

当然也可以同时安装很多别的包（这里不推荐连TensorFlow-GPU一起安装）
例：conda create --name tensorflow-gpu python=3.6 numpy matplotlib

TensorFlow1.13.1对应的python版本是2.7、3.3-3.6。因此这里指定了python版本，若不指定，会默认安装最新版本。（后面TensorFlow-GPU版本一样道理）
稍等片刻会有个确认[y/n]:敲入y回车就好。剩下的就是等待安装完毕。

5.1.2激活环境&移除环境&重命名环境名称：

【激活环境】：

activate 名称
例：activate tensorflow-gpu

激活环境后，前面的（base）会变为对应的环境名称。如下图所示：
在这里插入图片描述
【退出环境】：

source deactivate

我比较习惯直接敲deactivate程序会自动补上，并退出当前环境。如下图：
在这里插入图片描述
【移除环境】：

conda remove -n 名称 --all
例：conda remove -n tensorflow-gpu --all

在片刻后会有个确定[y/n]:敲入y回车就好。剩下的就是等待移除完毕。
【重命名环境名称】：
conda是没有重命名环境名称的代码，需要进行环境克隆这一步才可以完成。所以不算真正意义上的重命名。

第一步：（克隆环境）
conda create -n 新环境名 --clone 旧环境名
例：conda create -n tensorflow --clone tensorflow-gpu
第二部：（移除旧环境）
例：conda remove -n tensorflow-gpu --all

5.2安装TensorFlow-GPU

首先以管理员身份打开Anaconda Prompt，并激活你要安装的虚拟环境。（如果直接安装在base下，不需要进行激活操作）。
安装有两种安装方式，一种是本地安装，一种是在线安装。
其中本地安装是在对应的网站上下载相应的TensorFlow-GPU的whl文件，然后在Anaconda Prompt里转到对应的文件目录下进行安装：

这里假设我的TensorFLow-GPU的whl文件在E盘的TF文件夹下：
activate tensorflow-gpu
pip install e:/TF/tensorflow_gpu-1.13.1-cp37-cp37m-win_amd64.whl

等待安装完毕即可。
在线安装是在Anaconda Prompt中进行下载并直接安装：

activate tensorflow-gpu
pip install tensorflow==1.13.1

等待安装完毕即可。

===========================================================================================================

番：

这里再放一些别的指令，有利于大家查看自己环境安装情况。

查看conda中已经存在的环境

conda info --envs

如下图：（其中 * 代表当前处在哪一个环境中，后面是环境所存在的文件夹）
在这里插入图片描述

查看当前环境安装的包和版本

conda list

如下图：（这里就大概截了下，结果长这样子）
在这里插入图片描述

当前环境下安装的包和版本

跟在线安装TensorFlow-GPU的命令一样

pip install numpy
或
pip install numpy==1.xx.x

来源：CSDN

作者：蓦舟遥

链接：https://blog.csdn.net/qq_33888255/article/details/103658429

标签

cudnn

cuda

英伟达

conda

深度学习

tensorflow

python

关于TensorFlow-gpu安装整理