win10完整Tensorflow-GPU环境搭建教程-附CUDA+cuDNN安装过程

最近一直想要用GPU训练一个五子棋AI，无奈自己的笔记本是A卡，速度太慢，计算一局需要7、8分钟。所以在之前安了Ubuntu虚拟机，使用了ROCm框架，训练速度提升为一局1、2分钟，但其实速度还是很慢。这两天实验室老师拿来了一台主机，配置：Nvidia 显卡，GeForce GTX1660。所以就想安一下GPU，安了一下午，终于可以调用GPU训练了，速度为1分钟12局。。。真是舒服了。

1.查看你的显卡是否支持GPU

点击查看显卡是否支持GPU

满足之后就可以进行下面的步骤了。

2.安装python环境

其实大家知道，安装python环境可以直接安装，也可以通过Anaconda安装，Anaconda安装时候需要注意你想要安装python版本，如果不想要默认自带的python版本，就不要勾选

建议不要勾选把path直接加入到环境变量中：

安装好之后，打开Anaconda命令行，输入conda -V，如果输出是你所安的版本，即为成功。

3.安装Tensorflow-GPU

可以打开tensorflow官网：https://www.tensorflow.org/install/install_windows#installing_with_anaconda ，可以了解下官网上有详细的教程。

我是新建了一个名为“tensorflow”的conda环境：版本可以自选，要注意tensorflow-GPU与python版本对应

conda create -n tensorflow pip python=3.6

然后要激活环境，才能继续在这个环境下安装tensorflow-GPU。当然你也可以不新建一个环境，直接就在anaconda环境下安装也是可以的。

activate tensorflow

下面进行安装tensorflow-GPU，虽然换源了，但你会发现下载还是会很慢。

pip install --ignore-installed --upgrade tensorflow-gpu

4.安装CUDA ToolKit +cuDNN

第一步要查看要安装的CUDA + cuDNN版本，因为大家要安的tensoflow版本不一样，所以对应的CUDA 和cuDNN版本也就不一样，所以一定要对应上，否则就会报错。

可以点击查看你所要安装的tensorflow所对应的版本cuDNN和CUDA版本

记得点击右上角的语言选项，把中文改成英语，否则最新的版本显示不出来。然后点击左侧栏的windows

然后向下翻，翻到这里，查看对应关系，我要安的是1.14.0，所以按第一行的对应版本安装

然后下载CUDA + cuDNN

在这个网址查找CUDA已发布版本：https://developer.nvidia.com/cuda-toolkit-archive

按照刚才官网提示进行下载，我下载的是10.0本地安装版本。

下载好CUDA Toolkit 10.0 后，我们开始下载cuDnn 7.4，需要注意的是，下载cuDNN需要在nvidia上注册账号，使用邮箱注册，完全免费的。登陆账号之后才可以继续下载。

一定要按照tensorflow官网的提示，选择安装CUDA和cuDNN的版本，一定要对应好。

cuDNN历史版本在该网址下载网址：https://developer.nvidia.com/rdp/cudnn-archive

下载之后，下面进行安装。

注意：最重要的一步，先卸载原有的显卡的驱动。

CUDA Toolkit需要在指定版本显卡驱动环境下才能使用，如果已经安装了nvidia显卡驱动，再安装CUDA Toolkit时，会因二者版本不兼容而导致CUDA无法使用。而CUDA Toolkit安装包中自带与之匹配的显卡驱动，所以一定要删除电脑先前的显卡驱动。

大家可以在左下角的小娜中搜索，NVIDIA GeFore Experience(我安装的驱动是这个，具体还要看你自己的驱动名称，一定要找好了，别删错了)，找到之后，卸载掉就可以安装CUDA Toolkit了。建议先把自己原来的驱动型号先记下来，万一出什么问题，还可以补救。

先安装CUDA Toolkit,安装路径默认就可以了，但是要记住这个路径，一会还有用。接下来就是安装了，在安装选项时，选择自定义，然后在自定义安装选项中，勾选所有的安装项，然后就可以了。

接下来将cudnn的那个压缩包解压，里面有三个文件夹，直接复制到CUDA的根目录下就可以，例如这个路径下：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0，然后进行环境变量配置。记住：要改成你自己的路径，否则系统是找不到。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\binC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp

到这里安装步骤已经完成了，下面就以开始测试了。

5 测试

在你的环境下依次运行代码：

import tensorflow as tf tf.test.gpu_device_name()

我的命令行输出的是：

上面是自己GPU的信息，最后一句说明安装成功了。

查看在使用那个GPU，依次输入代码：

from tensorflow.python.client import device_libdevice_lib.list_local_devices()

我这个主机只有一块GPU，所以输出的信息也是只有一块。至此，终于完成了。。。

至此，安装成功，希望这个教程可以帮助到大家，少走一些弯路，早点开始调用GPU训练，说句题外话：GPU训练的速度是真的快啊，如有任何疑问，请留言与我交流。也欢迎大家登陆我的个人博客。

win10完整Tensorflow-GPU环境搭建教程-附CUDA+cuDNN安装过程相关推荐

Win10 Anaconda下TensorFlow-GPU环境搭建详细教程（包含CUDA+cuDNN安装过程）（转载）...
win7(win10也适用)系统安装GPU/CPU版tensorflow Win10 Anaconda下TensorFlow-GPU环境搭建详细教程(包含CUDA+cuDNN安装过程) 目录 2.配置 ...
（教程）2020最新windows10/anaconda/pytorch-gpu环境配置（附CUDA/cuDNN配置）
(教程)2020最新windows10/anaconda/pytorch-gpu环境配置(附CUDA/cuDNN配置) 环境: windows10 nvidia 165ti 1. 安装anaconda ...
Win10系统Anaconda+TensorFlow+Keras 环境搭建教程
红色石头的个人网站:redstonewill.com 前天我在公众号推荐了<Python Deep Learning>这本书.该书是由 Keras 作者写的,所以全书基本围绕着 Keras ...
【Keras】Win10系统 + Anaconda+TensorFlow+Keras 环境搭建教程
1. 安装 Anaconda 打开 Anaconda 的官方下载地址:https://www.anaconda.com/download/ 选择 Python 对应的version 下载.下载完成后直 ...
Win10 Anaconda下TensorFlow-GPU环境搭建详细教程（包含CUDA+cuDNN安装过程）
目录前言第一步:安装Anaconda 1.下载和安装 2.配置Anaconda环境变量第二步:安装TensorFlow-GPU 1.创建conda环境 2.激活环境 3.安装tensorflow ...
cuda必须装在c盘吗_深度学习基础环境搭建-Nvidia驱动+cuda+cudnn
Ubantu16.04+GPU(1070ti)驱动+cuda10.2 +CUDNN7.6.4 一. 安装nvidia显卡驱动 (亲测搭建深度学习环境,无论是win还是ubantu上的cuda里都有相对 ...
python2.7安装教程选哪个版本运行ride_RobotFramework-RIDE环境搭建二：Robot Framework-RIDE安装过程以及踩雷点...
前期准备工作: Python 2.7(上篇文章中已安装成功) Robot Framework-2.8.5 Robot Framework-RIDE-1.5.2.1 (测试用例的创建.运行可以在图形界面 ...
五部搞定Android开发环境部署——费UC噶不过详细的Android开发环境搭建教程
五步搞定Android开发环境部署--非常详细的Android开发环境搭建教程引言在windows安装Android的开发环境不简单也说不上算复杂,本文写给第一次想在自己Windows上建立 ...
C++编程【Visual Studio 2017 环境搭建教程】【附：软件安装包】
学习网址:哔哩哔哩网站--黑马程序员C++从0到1入门编程(附C++编程环境搭建教程) 软件安装包:visual_studio_community_2017_version_15.3.exe 链接:h ...

win10完整Tensorflow-GPU环境搭建教程-附CUDA+cuDNN安装过程

1.查看你的显卡是否支持GPU

点击查看显卡是否支持GPU

满足之后就可以进行下面的步骤了。

2.安装python环境

其实大家知道，安装python环境可以直接安装，也可以通过Anaconda安装，Anaconda安装时候需要注意你想要安装python版本，如果不想要默认自带的python版本，就不要勾选

建议不要勾选把path直接加入到环境变量中：

安装好之后，打开Anaconda命令行，输入conda -V，如果输出是你所安的版本，即为成功。

3.安装Tensorflow-GPU

可以打开tensorflow官网：https://www.tensorflow.org/install/install_windows#installing_with_anaconda ，可以了解下官网上有详细的教程。

我是新建了一个名为“tensorflow”的conda环境：版本可以自选，要注意tensorflow-GPU与python版本对应

推荐更换国内的源，速度会快很多的。

然后要激活环境，才能继续在这个环境下安装tensorflow-GPU。当然你也可以不新建一个环境，直接就在anaconda环境下安装也是可以的。

下面进行安装tensorflow-GPU，虽然换源了，但你会发现下载还是会很慢。

推荐使用这行代码下载：

4.安装CUDA ToolKit +cuDNN

第一步要查看要安装的CUDA + cuDNN版本，因为大家要安的tensoflow版本不一样，所以对应的CUDA 和cuDNN版本也就不一样，所以一定要对应上，否则就会报错。

记得点击右上角的语言选项，把中文改成英语，否则最新的版本显示不出来。然后点击左侧栏的windows

然后向下翻，翻到这里，查看对应关系，我要安的是1.14.0，所以按第一行的对应版本安装

然后下载CUDA + cuDNN

在这个网址查找CUDA已发布版本：https://developer.nvidia.com/cuda-toolkit-archive

按照刚才官网提示进行下载，我下载的是10.0本地安装版本。

下载好CUDA Toolkit 10.0 后，我们开始下载cuDnn 7.4，需要注意的是，下载cuDNN需要在nvidia上注册账号，使用邮箱注册，完全免费的。登陆账号之后才可以继续下载。

一定要按照tensorflow官网的提示，选择安装CUDA和cuDNN的版本，一定要对应好。

cuDNN历史版本在该网址下载网址：https://developer.nvidia.com/rdp/cudnn-archive

下载之后，下面进行安装。

注意：最重要的一步，先卸载原有的显卡的驱动。

先安装CUDA Toolkit,安装路径默认就可以了，但是要记住这个路径，一会还有用。接下来就是安装了，在安装选项时，选择自定义，然后在自定义安装选项中，勾选所有的安装项，然后就可以了。

接下来将cudnn的那个压缩包解压，里面有三个文件夹，直接复制到CUDA的根目录下就可以，例如这个路径下：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0，然后进行环境变量配置。记住：要改成你自己的路径，否则系统是找不到。

到这里安装步骤已经完成了，下面就以开始测试了。

5 测试

在你的环境下依次运行代码：

我的命令行输出的是：

上面是自己GPU的信息，最后一句说明安装成功了。

查看在使用那个GPU，依次输入代码：

我这个主机只有一块GPU，所以输出的信息也是只有一块。至此，终于完成了。。。

至此，安装成功，希望这个教程可以帮助到大家，少走一些弯路，早点开始调用GPU训练，说句题外话：GPU训练的速度是真的快啊，如有任何疑问，请留言与我交流。也欢迎大家登陆我的个人博客。

win10完整Tensorflow-GPU环境搭建教程-附CUDA+cuDNN安装过程相关推荐

最新文章

热门文章

win10完整Tensorflow-GPU环境搭建教程-附CUDA+cuDNN安装过程

1.查看你的显卡是否支持GPU

点击查看显卡是否支持GPU

满足之后就可以进行下面的步骤了。

2.安装python环境

其实大家知道，安装python环境可以直接安装，也可以通过Anaconda安装，Anaconda安装时候需要注意你想要安装python版本，如果不想要默认自带的python版本，就不要勾选

建议不要勾选把path直接加入到环境变量中：

安装好之后，打开Anaconda命令行，输入conda -V，如果输出是你所安的版本，即为成功。

3.安装Tensorflow-GPU

可以打开tensorflow官网：https://www.tensorflow.org/install/install_windows#installing_with_anaconda ，可以了解下官网上有详细的教程。

我是新建了一个名为“tensorflow”的conda环境：版本可以自选，要注意tensorflow-GPU与python版本对应

推荐更换国内的源，速度会快很多的。

然后要激活环境，才能继续在这个环境下安装tensorflow-GPU。当然你也可以不新建一个环境，直接就在anaconda环境下安装也是可以的。

下面进行安装tensorflow-GPU，虽然换源了，但你会发现下载还是会很慢。

推荐使用这行代码下载：

4.安装CUDA ToolKit +cuDNN

第一步要查看要安装的CUDA + cuDNN版本，因为大家要安的tensoflow版本不一样，所以对应的CUDA 和cuDNN版本也就不一样，所以一定要对应上，否则就会报错。

记得点击右上角的 语言选项，把中文改成英语，否则最新的版本显示不出来。然后点击左侧栏的windows

然后向下翻，翻到这里，查看对应关系，我要安的是1.14.0，所以按第一行的对应版本安装

然后下载CUDA + cuDNN

在这个网址查找CUDA已发布版本：https://developer.nvidia.com/cuda-toolkit-archive

按照刚才官网提示进行下载，我下载的是10.0本地安装版本。

下载好CUDA Toolkit 10.0 后，我们开始下载cuDnn 7.4，需要注意的是，下载cuDNN需要在nvidia上注册账号，使用邮箱注册，完全免费的。登陆账号之后才可以继续下载。

一定要按照tensorflow官网的提示，选择安装CUDA和cuDNN的版本，一定要对应好。

cuDNN历史版本在该网址下载网址：https://developer.nvidia.com/rdp/cudnn-archive

下载之后，下面进行安装。

注意：最重要的一步，先卸载原有的显卡的驱动。

先安装CUDA Toolkit,安装路径默认就可以了，但是要记住这个路径，一会还有用。接下来就是安装了，在安装选项时，选择自定义，然后在自定义安装选项中，勾选所有的安装项，然后就可以了。

接下来将cudnn的那个压缩包解压，里面有三个文件夹，直接复制到CUDA的根目录下就可以，例如这个路径下：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0，然后进行环境变量配置。记住：要改成你自己的路径，否则系统是找不到。

到这里安装步骤已经完成了，下面就以开始测试了。

5 测试

在你的环境下依次运行代码：

我的命令行输出的是：

上面是自己GPU的信息，最后一句说明安装成功了。

查看在使用那个GPU，依次输入代码：

我这个主机只有一块GPU，所以输出的信息也是只有一块。至此，终于完成了。。。

至此，安装成功，希望这个教程可以帮助到大家，少走一些弯路，早点开始调用GPU训练，说句题外话：GPU训练的速度是真的快啊，如有任何疑问，请留言与我交流。也欢迎大家登陆我的个人博客。

win10完整Tensorflow-GPU环境搭建教程-附CUDA+cuDNN安装过程相关推荐

最新文章

热门文章

记得点击右上角的语言选项，把中文改成英语，否则最新的版本显示不出来。然后点击左侧栏的windows