文章目录

一、显卡型号
二、CUDA
三、cuDNN
四、tensorflow-gpu
五、查看显卡利用率
Linux系统
Linux下Anaconda
参考文献

此文章默认显卡支持CUDA和已安装显卡驱动，貌似目前只有英伟达的显卡支持CUDA。

本人显卡为GTX1660，需要的CUDA和cuDNN已打包好（hyfi），其余请自行下载

绿色软件 GPU-Z 可直接检测显卡，下载链接（os41）

一、显卡型号

桌面右键→NVIDIA控制面板→帮助→系统信息

显卡型号为GTX 1660

若桌面右键无NVIDIA控制面板，查看参考文献

二、CUDA

查找显卡对应的CUDA版本：接着上一步→组件

显卡GTX 1660对应的CUDA版本为CUDA 10.1，可以选低一个版本，如CUDA 10.0
下载CUDA Toolkit
安装，环境变量自动配上
命令行输入nvcc -V

三、cuDNN

根据CUDA版本下载cuDNN（需登录），关键是CUDA版本，cuDNN版本选新的
下载得到压缩包，解压后将三个文件夹粘贴到CUDA

四、tensorflow-gpu

查看版本：右上角Language设为English，拉到最下面
CUDA 10.0+cuDNN 7.6.1，装tensorflow-gpu 1.14.0
安装

pip install tensorflow-gpu==1.14.0

测试代码

import tensorflow as tfa = 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)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

出现此结果证明使用的是GPU运行

a: (Const): /job:localhost/replica:0/task:0/device:GPU:0
b: (Const): /job:localhost/replica:0/task:0/device:GPU:0
[[22. 28.][49. 64.]]

若为tensorflow2，测试代码

import tensorflow as tftry:with tf.device('/device:GPU:0'):v = tf.Variable(tf.zeros([10, 10]))print(v)
except:print('no gpu')

五、查看显卡利用率

配置环境变量Path：C:\Program Files\NVIDIA Corporation\NVSMI\
查看显卡利用率
简单查看：nvidia-smi
每秒刷新：nvidia-smi -l 1

Linux系统

默认已安装 CUDA 和 cuDNN

1. 查看显卡型号

nvidia-smi

2. 查看CUDA版本

cat /usr/local/cuda/version.txt

3. 查看cuDNN版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

4. 选择对应版本安装

pip install tensorflow-gpu==2.3.0

Linux下Anaconda

在 Linux 下基本没有 root 权限，通过 conda 命令安装不同版本的 CUDA 和 cuDNN

1. 查看显卡驱动版本

cat /proc/driver/nvidia/version

根据 CUDA和最低要求驱动最高可安装 CUDA 10.1

2. 创建虚拟环境

conda create -n deep2 python=3.6

3. 激活虚拟环境

conda activate deep2

4. 安装CUDA

conda install cudatoolkit=10.1

5. 安装cuDNN

conda install -c conda-forge cudnn

6. 查看CUDA版本

conda list cudatoolkit

7. 查看cuDNN版本

conda list cudnn

8. 选择对应版本安装

pip install tensorflow-gpu==2.3.0

参考文献

如何检查显卡支持哪个版本的CUDA
NVIDIA-SMI系列命令总结
tensorflow各个版本的CUDA以及Cudnn版本对应关系
WIN10 + GTX1660Ti配置TensorFlow GPU版本
TensorFlow2.0教程-Variables
Linux 和 Windows 查看 CUDA 和 cuDNN 版本
Ubuntu安装cuda和cudnn及测试方法
Cudnn :: Anaconda.org

根据显卡型号选择CUDA和cuDNN进行TensorFlow GPU版本安装相关推荐

最新显卡驱动及CUDA、CUDNN与tensorflow对应版本关系
最近发现网上很多文章写的CUDA.CUDNN与tensorflow对应版本关系都是比较早期的了,现在显卡更新换代速度特别快,许多人都发现以前的驱动.CUDA不能用了(30系列的显卡不支持11.0以下C ...
nvidia显卡驱动、cuda、cudnn、tensorflow对应版本
1.下载显卡驱动在nvidia官网下载驱动,驱动官网选择设备的驱动进行搜索下载即可,搜索时注意对应的操作系统一般为安装NVIDIA Studio驱动版本,GeForce Game Ready适用于 ...
TensorFlow GPU 版本安装个人总结：Win10 + Python3.5 + CUDA 9.0.176 + cudnn v7.5.0.56 + TensorFlow 1.12.0
TensorFlow GPU 版本安装个人总结:Win10 + Python3.5 + CUDA 9.0.176 + cudnn v7.5.0.56 + TensorFlow 1.12.0 接触机器学 ...
NVIDIA各型号显卡算力、CUDA、CUDNN、驱动对应版本归纳
1.显卡算力 2.显卡支持的最新驱动驱动版本支持产品 LINUX X64(AMD64/EM64T)显示驱动程序 450.80.02 GeForce RTX 2080 Ti,GeForce RTX ...
cuda官网下载,本机显卡驱动与cuda、cudnn、pytorch、torchvision安装版本对应表,以及完全卸载CUDA方法
注:如果执行第一步没有找到nvidia-smi指令,重装本机NVIDIA驱动(Linux, Windows 标题中各项版本对应) 重装NVIDIA驱动,选择自己的显卡产品系列和产品编号, 如下图 Ge ...
2021最新Win10+Nvidia显卡环境下CUDA、cuDNN以及TensorFlow安装教程
为了不耽误大家的时间,在阅读之前请注意: 1.如果你的电脑没有Nvidia显卡,那么请关闭本页面,本教程对你无用: 2.如果你的电脑配置不是Win10+Nvidia显卡,比如windows版本或者显卡 ...
ubuntu系统显卡、显卡驱动、CUDA、CUDNN的介绍以及版本匹配问题
转载链接:https://blog.csdn.net/qq_27825451/article/details/89082978 写的很详细,很好.
Ubuntu20.04安装NVIDIA显卡驱动、CUDA、CUDNN及突破NVENC并发限制
1.查看当前系统版本 cat /proc/version 显示为: 2.查看当前显卡型号: sudo lshw -numeric -C display 显示我的显卡型号为:GM107M[GeForc ...
显卡、显卡驱动、cuda、cudnn 通俗解释及深度学习环境搭建
场景描述搞深度学习时需要先搭建环境,需要折腾显卡驱动.cuda.cudnn.以及各种深度学习框架(TensorFlow.Pytorch等).光听这些名词有好些人都迷糊了,更不要提解决他们之间的不兼容 ...

根据显卡型号选择CUDA和cuDNN进行TensorFlow GPU版本安装