windows下如何搭建深度学习tensorlofwgpu环境（详细全解）

当我们进行大型神经网络模型训练的时候&＃xff0c;我们就不可避免的需要用到GPU训练。然而&＃xff0c;对于tensorflow来讲&＃xff0c;*如果想要在跑模型时调用机器的GPU&＃xff0c;我们需要下载代码相应GPU版本&＃xff0c;才能够使用。我们先讲一下如何去下载制定版本的GPU&＃xff1a;
在下载GPU时&＃xff0c;我们要先清楚自己的要跑的模型需要什么版本的GPU。我们一般去根据自己的python版本来使用对应的tf-gpu版本。
CPU中tensorflow和python对应关系

GPU中tensorflow-gpu和python对应关系

#比如我们现在的python是3.6&＃xff0c;要下载tensorflow-gpu可用以下tf-gpu&＃61;1.11.0&＃xff0c;可用以下指令&＃xff1a;
pip install tensorflow-gpu&＃61;&＃61;1.11.0 # &＃61; 两边不要有空格


pip下载太慢&＃xff0c;请看这篇文章&＃xff1a;解决pip下载过慢问题
这样我们就完成了tensorflow-gpu的安装&＃xff0c;下面是CUDA和CUDNN的安装&＃xff1b;

在安装tensorflow-gpu后&＃xff0c;我们需要去下载相应的CUDA和CUDNN才能使用。它的要求非常苛刻&＃xff0c;版本一定要对应的上才能使用。具体对应版本就是上面的那个图&＃xff1a;

下面给出CUDA和CUDNN的历史下载地址&＃xff1a;
CUDA历史版本下载地址 https://developer.nvidia.com/cuda-toolkit-archive
CUDNN下载地址 https://developer.nvidia.com/rdp/cudnn-archive
其中在安装CUDNN时&＃xff0c;要注册一个账号&＃xff0c;注册完就可以下载了。
一般你下载好CUDA后&＃xff0c;系统自动在C盘的Program Files文件中创建了NVIDIA GPUComputing Toolkit文件夹&＃xff0c;你可以找到如下路径&＃xff0c;进去发现目录结构如下&＃xff1a;

解压打开已经下载好的CUDNN压缩包&＃xff0c;目录结构是这样的&＃xff1a;

此时你发现两者的都有lib、include、bin的文件夹&＃xff0c;你需要做的就是把CUDNN的三个文件夹中的文件一一对应的放到CUDA的三个文件中去。

完成上面步骤后&＃xff0c;最后一步就是搭建环境变量了&＃xff0c;把你的CUDA中以下四个路径复制到系统变量的Path中去&＃xff0c;这部非常重要&＃xff0c;否则无法正常调用。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include

到这里后&＃xff0c;你已经完成了Windows下tensorflow-gpu环境的搭建了&＃xff0c;我们到python里去测试一下&＃xff1a;

import tensorflow as tf
tf.test.is_gpu_available()

若都没问题的话,tensorflow可以成功导入&＃xff0c;虽然中间会报许多警告&＃xff0c;但是可以不用理会。
以及倘若cuda配置正确&＃xff0c;则会打印出True。

以上就是windows下tensorflow-gpu环境的搭建过程了&＃xff0c;祝你早日脱坑成功&＃xff01;