win10 + tensorflow_gpu 1.12.0 + CUDA 10.0 + Anaconda + RTX 2080 +pyCharm 环境搭建过程
前言
配置环境花了一天,也踩了一些坑,有幸有很多前人资料以供参考,自己也写一篇安装过程以帮助后来者。在此之前,做些简要的说明:
- 本文仅记录本人环境搭建过程,不保证具有可复制性
- 由于环境更新换代比较快,网上很多旧的博客参考性不大,最好找官方教程或较新博客
- 切勿轻信一家之言,综合多个信息源往往可以事半功倍
Anaconda安装
下载网址:https://www.anaconda.com/distribution/
安装过程中的 Advanced Options 两个我都没有勾选:第一个勾,环境变量我是在安装后手动配置的;第二个勾,tensorflow1.12不支持Python3.7,随后手动配置即可。
环境变量如下,自行修改:
- C:\MyProgram\Anaconda
- C:\MyProgram\Anaconda\Scripts
- C:\MyProgram\Anaconda\Library\bin
在cmd中输入
conda -V显示版本号说明配置成功。
安装CUDA和cuDNN
tensorflow官方gpu支持:https://tensorflow.google.cn/install/gpu
tensorflow与CUDA对应版本:https://tensorflow.google.cn/install/source_windows#gpu
CUDA下载地址:https://developer.nvidia.com/cuda-toolkit-archive
tensorflow1.12官方只支持到CUDA9,因此我第一次下载的是推荐比较多的9.0版本,提示驱动没有支持2080显卡;之后下载的9.2版本,全部安装完成后
import tensorflow时出现
ImportError: DLL load failed: 找不到指定的模块。错误,应该是版本问题,未解决;最后看到网上有人使用github上的大牛build的支持CUDA10.0 的tensorflow-gpu-1.12.0 wheel成功了,我便下载了CUDA10.0。
进入上述CUDA下载地址选择对应版本,Installer Type我选择的local,然后下载base installer,如果有patches的话也可都下载下来。
安装选项选择自定义,我不用vs所以没有勾选vs组件,特别注意显卡驱动中的版本,如果当前版本较低会自动升级到新版本,如果当前版本较高需要你先卸载当前驱动,再安装CUDA时会自动安装新版本,其他选项我全部勾选了。
之后下载cuDNN:https://developer.nvidia.com/rdp/cudnn-download
需要先免费注册一个账号,然后下载对应版本就好。
下载完成后解压,然后把三个文件夹拷贝到CUDA安装的根目录,即把cuDNN下bin中的dll文件拷贝到CUDA根目录的bin文件夹中,依次拷贝其他文件。
最后配置环境变量如下,自行修改:
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0;
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin;
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64;
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp;
安装tensorflow-gpu
由于官方没有支持CUDA10.0,故从github上下载大牛build的wheel:https://github.com/fo40225/tensorflow-windows-wheel ,我使用的是
1.12.0\py36\GPU\cuda100cudnn73sse2。
首先创建conda环境(建议先设置清华源和科大源:https://blog.csdn.net/dream_allday/article/details/80344511)
conda create -n tensorflow python=3.6
然后激活conda环境
activate tensorflow
最后安装tensorflow
pip install 路径\tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl
至此,安装步骤全部完成。
测试
查看gpu使用情况
from tensorflow.python.client import device_lib device_lib.list_local_devices()
其他配置
- 如果在cmd中可以import tensorflow,在pycharm中不可以,有两点要注意: 设置python解释器到anaconda/envs/tensorflow目录下python.exe
- 在pycharm中添加CUDA环境变量 ,详见https://github.com/tensorflow/tensorflow/issues/9530
祝各位学习顺利!
- Win10 Anaconda下TensorFlow-GPU环境搭建详细教程(包含CUDA+cuDNN安装过程)
- 深度学习tensorflow-gpu环境搭建避坑指南-win10_anaconda_python3.5_cuda8.0
- (最全)Windows上Anaconda+Python+Pycharm+CUDA+CUDnn实现tensorflow-gpu安装以及安装tenfolw-gpu过程中出现的各种问题以及相应解决办法
- win10下caffe环境搭建: win10 + vs2013 + caffe + CUDA 7.5 + cudnn v4 + Anaconda2 (python 2.7) 目前未使用GPU
- ubuntu下tensorflow-gpu环境搭建(通过anaconda,手动安装或环境含有cuda和cudnn)
- Tensorflow1.4.0(GPU)+Win10+Anaconda5.0.1+CUDA8.0+cuDNN6.0+Python3.6深度学习环境安装
- CTPN实验(一)环境搭建:Anaconda3+tensorflow(GPU)版本+CUDA8.0+cuDNN6.0
- win10 Anaconda3 CUDA8.0 tensorflow环境搭建
- win10下 anaconda安装tensorflow,pycharm环境配置(gpu版)
- Tensorflow(GPU) 在Win10+Cuda8.0环境下安装以及Cudnn包配置 图文详细教程
- [Tensorflow]环境搭建vs2017+win10+py3.6+cuda9.1+cudnn7+tf1.5
- WIN10深度学习环境搭建 Python3.6+Tensorflow+CUDA8.0+Anaconda3+keras
- anaconda+pycharm配置tensorflow-GPU环境最简单方法
- win10+anaconda2+cuda8.0+cudnn6.0安装tensorflow-gpu
- 神经网络环境python2.7+tensorflow(gpu)+keras+cuda toolkit8.0+cudnn5.1+anaconda(ubuntu 16.04desktop64位)
- Win10搭建深度学习环境tensorflow-gpu+keras,把GPU调用起来
- Win10下搭建Tensorflow-gpu环境
- Windows7+anaconda2+python3+PyCharm+TensorFlow 环境搭建(无GPU)
- win10系统anaconda搭建tensorflow环境运行Mask_RCNN以及ubuntu中conda配置