最近在用tensorflow跑cnn,之前一直用cpu版本,最近主机到了,开始学着装gpu版本。
上网看了一下,大多数tensorflow-gpu的安装分三部分:Anaconda的安装、CUDA+cudnn的安装、tensorflow-gpu的安装。
这些安装之间的版本要保持匹配,挺晕的。
但其实,利用Anaconda,是可以一步到位的。
本机配置:win10 gtx1060
首先下载Anaconda: https://www.anaconda.com/download/
安装之后记得添加环境变量:
如果使用内网还要修改代理文件:
位置在c:\User(或“用户”)\current_user(当前用户)\.condarc:
proxy_servers: http: http://XXXXX.com:端口
安装过后,打开Anaconda Prompt
先配置清华镜像!不然下载会很慢很慢很慢!
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
输入
conda install tensorflow-gpu
可以发现会自动下载cuda+cudnn
输入y后开始(中途千万别关!)
出现这个说明安装OK
如果提示有错误,那么..卸载了Anaconda然后重新安装吧...
用Pycharm加载Anaconda的环境库,并实验一下tensorflow-gpu能不能用:
在Pycharm中写入(如果你没装CPU版本的tensorflow,不写也可以):
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
with tf.Session(config=config) as session:
# your training session
训练前/训练中GPU使用情况:
可以看出,这种方法是可行的。
---------------------
原文:https://blog.csdn.net/kane7csdn/article/details/83690575