Win10深度学习环境配置（CUDA+cuDNN+TensorFlow-gpu+Keras）

安装时间：2018-05-19

软硬件配置

GTX 1060 6G

Win10 64位专业版

Anaconda3 5.1.0

深度学习工具

CUDA 9.0

cuDNN v7.0

TensorFlow 1.8.0（GPU版）

Keras 2.1.6

一、安装VS2015

首先，下载“[Windows][编程开发][Visual Studio Community 2015][with Update 3][官方简体][光盘镜像]”。

选择自定义，点击下一步，记得在编程语言（Programming Languages）中只需安装C++组件，点击下一步，安装位置可以自选，其他全部按照默认。

二、安装CUDA

TensorFlow官网的安装指导要求先安装CUDA 9.0和cuDNN v7.0。

于是下载CUDA 9.0，选择对应版本的exe(local)安装包。

可是我的CUDA安装一直失败。

经过多次试错，终于明白，是因为我已经安装了最新的显卡驱动，而CUDA9.0所依赖的显卡驱动比我的驱动版本低，导致不匹配，安装失败。

我的解决办法：

卸载所有的NVIDIA驱动。在控制面板卸载所有的NVIDIA驱动（中间可能要多次重启电脑），然后在C盘删除所有带有NVIDIA字样的文件夹，最后在注册表删除NVIDIA项。
安装CUDA 9.0，按照默认安装即可。

注意：默认安装已经将CUDA的安装目录添加到系统变量Path，因此不用再手动添加。

三、安装对应版本cuDNN

TensorFlow官网的安装指导推荐的是cuDNN v7.0。首先去下载，这是地址，按照页面要求填写信息并注册即可下载。解压后将三个文件夹复制到CUDA的安装目录（默认为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0）覆盖原有同名文件夹。

四、测试是否安装正确

参考这篇博主的文章的三.2.(2)小节。

五、安装TensorFlow GPU版本

遵循 TensorFlow官网的安装指导。直接采用pip安装，而没有在Anaconda里设置单独的环境。安装后验证成功。

pip3 install --upgrade tensorflow-gpu

六、安装Keras

遵循Keras中文文档的安装指导。

pip install keras -U --pre

至此配置完毕。

七、其他

在运行jupyter notebook程序时出现了错误

could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR

could not destroy cudnn handle: CUDNN_STATUS_BAD_PARAM

Check failed: stream->parent()->GetConvolveAlgorithms( conv_parameters.ShouldIncludeWinogradNonfusedAlgo<T>(), &algorithms)

Stackoverflow上也有人遇到过这个错误。

解决方法：

通过限定GPU显存用量（不全部占满显存, 按需分配）得到解决。具体设置语句就是：

import osimport tensorflow as tf

import keras.backend.tensorflow_backend as KTF

#指定第一块GPU可用

os.environ["CUDA_VISIBLE_DEVICES"] = "0"

config = tf.ConfigProto()

#不全部占满显存, 按需分配

config.gpu_options.allow_growth=True

sess = tf.Session(config=config)

KTF.set_session(sess)

Win10深度学习环境配置（CUDA+cuDNN+TensorFlow-gpu+Keras）相关推荐

Nvidia TX2 刷机+深度学习环境配置(cuda 8.0+python 3.5+opencv 3.4+tensorflow 1.4.1+keras+pip3)
配置说明一.刷机/重装系统二.环境配置三.参考一.刷机/重装系统(系统损坏时可按以下步骤重装系统) 1)刷机之前的准备 (1)装有ubuntu16.04的电脑(主机),因为我们要安装的JetP ...
Ubuntu 深度学习环境配置、Theano TensorFlow PyTorch 安装、常用软件安装方式
文章目录介绍系统和显卡深度学习环境配置安装 Nvidia 显卡驱动安装 CDUA 安装 cuDNN 深度学习框架安装安装 Theano-gpu 安装 TensorFlow-gpu 安装 P ...
ubuntu18.04配置deepo深度学习环境（cuda + cudnn + nvidia-docker + deepo）--超级细致，并把遇到的错误和所有解决方案都列出来了
0 了解本机基本信息 0 参考文档主要整体是这篇 1.安装cuda和cudnn 2.安装cuda和cudnn 3.安装cuda和cudnn 4.安装cuda和cudnn 1.安装nvidia-doc ...
深度学习环境配置指南：Pytorch、TensorFlow、Keras
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达作者丨Yukyin@知乎来源丨https://zhuanlan.z ...
深度学习环境配置记录——RTX3050
一.下载首先需要先了解一下深度学习环境需要的各个软件之间的关系: 从源代码构建 | TensorFlow (google.cn) 然后了解自己的电脑 NVIDIA控制面板中查看显卡驱动,注意这个 ...
深度学习环境配置Win10+CUDA+cuDNN+Tensorflow2.0+PyTorch1.2+Python3.7.6
系统环境:Win10 Python版本:3.7.6 CUDA版本:10.0 cuDNN版本:7.6.5 Tensorflow-gpu版本:2.0.1 PyTorch版本:1.2.0 深度学习环境配置W ...
体验笔记本MX350显卡配置深度学习环境（CUDA+tensorflow）
初衷:想要体验一下笔记本的GPU 于是开始搞起-- 环境显卡:GeForce MX350 系统:WIN10 开始工作一.CUDA的安装 1.查看显卡支持的CUDA版本,找到 NVIDIA控制面板- ...
【深度学习环境配置】Anaconda +Pycharm + CUDA +cuDNN + Pytorch + Opencv（资源已上传）
文章目录一.推荐系列 1.1.大神视频详细讲解 1.2.最全最简易的保姆教程 1.3.百度网盘资源二.环境配置 2.0.查看已安装软件的版本号 2.1.Anaconda安装 2.2.Pycharm ...
深度学习环境配置超详细教程【Anaconda+PyTorch(GPU版)+CUDA+cuDNN】
深度学习环境配置入门深度学习,首先要做的事情就是要搭建深度学习的环境.不管你是Windows用户,Mac用户还是Ubuntu用户,只要电脑配置允许,都可以做深度学习,毕竟Windows.Mac和Ub ...

Win10深度学习环境配置（CUDA+cuDNN+TensorFlow-gpu+Keras）

Win10深度学习环境配置（CUDA+cuDNN+TensorFlow-gpu+Keras）相关推荐

最新文章

热门文章