Après avoir mis en place l'environnement pendant près de deux jours, je me suis enfin amélioré, bien qu'au début, j'aie installé et déchargé, mais! ! ! Une fois l'installation réussie, ce genre de bonheur est au-delà des mots ~~~~~ Je dois donc enregistrer ici mon dur voyage ~~~~
1. Identifiez la version adaptée de cuda pour votre ordinateur
Avant cela, vous devez avoir installé VS sur votre ordinateur , voici une connexion directe à Baidu Cloud:
Lien: https://pan.baidu.com/s/1M94HKU6O47G7SGq8xYS6Pg
Code d'extraction: 9ofd
Comment déterminer votre modèle d'ordinateur:
Faites un clic droit sur Poste de travail -> cliquez sur propriétés -> système -> entrez dans le gestionnaire de périphériques -> recherchez la carte graphique:
La boîte dans l'image ci-dessous est mon modèle nvidia
Ensuite, vous devez savoir quel cuda correspond à votre version
Vérifiez s'il existe un panneau de configuration NVIDIA sur votre ordinateur. Sinon, vous feriez mieux d'en installer un (à condition que votre ordinateur dispose d'une carte n)
Utilisez l'assistant de pilote pour voir s'il existe un pilote NVIDIA (lien vers le package d'installation de l'assistant de pilote: https://pan.baidu.com/s/12AjwmiTpT50k6wNGj4CcbQ
code d'extraction: wka0)
Utilisez l'assistant de pilote pour vérifier si votre pilote NVIDIA est à jour, il est préférable de mettre à niveau
Si c'est le dernier, ouvrez le panneau de configuration NVIDIA -> définir la configuration physx -> composants, vous pouvez voir NVIDIA.DLL, la version derrière est la version que vous devez installer
2. Téléchargez la version correspondante de cuda, cudnn
(Version Cuda et cudnn et patch de version correspondant)
Baidu Cloud: Lien: https://pan.baidu.com/s/195x-Vn2-_HtI54M93cvJTQ Code d'extraction: kqcr
Téléchargez la version correspondante de cuda
lien de téléchargement cuda: https://developer.nvidia.com/cuda-toolkit-archive
adresse de téléchargement cudnn: https://developer.nvidia.com/rdp/cudnn-download (vous devez d'abord vous inscrire lors du téléchargement)
Trois, installez cuda, cudnn
Installez cuda après le téléchargement:
Vous pouvez vous référer à: https://blog.csdn.net/u013165921/article/details/77891913
L'installation est très simple, d'accord et continuez, continuez, l'environnement que j'ai choisi est une installation personnalisée.
Après l'installation, le panneau de contrôle verra:
Puis décompressez le cudnn correspondant à cuda:
Déplacez les fichiers ci-dessus vers C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0 sous votre répertoire d'installation cuda
Donc même si cuda et cudnn sont terminés
4. Vérifiez si CUDA et CUDNN sont installés avec succès
win + R ——> Entrez nvidia-smi ——> nvcc -V et ce qui suit apparaît:
(La plupart de la situation est bonne, mais quand je l'ai installé pour la première fois, c'était la même chose, mais l'erreur DLL a été signalée, ce qui était très ennuyeux)
Donc, pour confirmer avec précision s'il est vraiment installé:
cd dans le répertoire racine -> dans cd C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0 \ extras \ demo_suite -> entrez respectivement deviceQuery.exe et bandwidthTest.exe
La meilleure chose à voir est de passer, puis CUDA et CUDNN sont installés.
Cinq, installez la version TensorFlow-GPU
Ok, après avoir installé cuda, il est temps d'installer la version TensorFlow-GPU
Le mien est en version anconda3 + python3.6.2 + tensorflow-gpu 1.13.1
# 创建一个名为tensorflow-py36的环境，指定Python版本是3.6）
conda create --name tensorflow-py36 python=3.6
# 安装好后，使用activate激活某个环境
activate tensorflow-py36 # 即系统已经切换到了3.4的环境
# 进行tensorflow的安装(刚刚弄的环境的话， pip最好升级一下啊！！)
pip install tensorflow-gpu==1.13.1
# 退出tensorflow-py36环境
deactivate tensorflow-py36
# 删除tensorflow-py36环境
conda remove --name tensorflow-py36 --all
Comme suit, ça devrait aller sans rapporter d'erreurs, mais! ! ! Lorsque je l'ai installé une fois, l'importation était bonne, mais une erreur s'est produite lorsque j'ai exécuté le code! ! ! , Impossible de trouver la méthode dans TensorFlow. . . . . . . . . . . .
L'erreur possible à ce stade est que le nom de votre projet est le même que TensorFlow ~~~~ (c'est possible ici !!!)
Donc, pour être vraiment sûr, tensorflow est vraiment installé, testons-le avec un code:
Test du code tensorflow:
# -*- coding: utf-8 -*-
# !/usr/bin/env python
# @Time : 2019/5/7 17:19
# @Author : xhh
# @Desc :
# @File : tensor_tf.py
# @Software: PyCharm
import numpy as np
import tensorflow as tf
matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[ 2.]])
product = tf.matmul(matrix1, matrix2)
print(product)
sess = tf.Session()
Il n'y a pas d'erreur dans la structure du code ~~~~
Il est enfin temps d’assister aux résultats, je suis un peu excité ~~
Vous l'avez vu? Vos informations gpu sont toutes là. Quand je vois le succès, je suis vraiment très heureux ~~, la sensation de voler, maintenant vous pouvez profiter du frisson de l'accélération GPU, très agréable ! ! ! !
Ici, je vais écrire mon enregistrement d'installation. Si vous avez des questions, vous pouvez en discuter. Je répondrai certainement à tout le monde ~~. Après tout, j'ai beaucoup marché, hahaha
ps: Quand j'ai exécuté le code avec la version CPU de tensorflow auparavant, c'était vraiment lent ,,, maintenant c'est bon, c'est très rapide ~~~
Vous pouvez faire attention au compte officiel de mon ami et moi ~~~ Voici quelques informations techniques python que mon ami et moi mettons à jour de temps en temps! ! J'espère que vous pourrez me soutenir et y prêter attention. Merci à tous ~~
