当在安装Tensorflow的时候,若我们直接使用以下指令:
pip install tensorflow-gpu
或:
pip install --ignore-installed --upgrade tensorflow-gpu
这样的话,安装的会是最新版的tensorflow-gpu版本。
然而,我们知道Tensorflow不同版本要求与CUDA及CUDNN版本对应兼容关系的。
如Windows下的GPU版本对应关系如下:
如若不对应,则出现不兼容情况,会出现以下报错
ImportError: DLL load failed: 找不到指定的模块。Failed to load the native TensorFlow runtime.
也可能会出现以下情况报错:
E tensorflow/stream_executor/cuda/cuda_dnn.cc:363] Loaded runtime CuDNN library: 7.0.5 but source was compiled with: 7.1.4
发生的原因就是Tensorflow版本与cudnn版本不兼容,tensorflow版本太高了,解决方法就是将tensorflow版本卸载,重新安装指定版本。
卸载了原来的(直接删除envs环境也行)
pip uninstall tensorflow-gpu
这时,我们可以安装指定对应版本的tensorflow-gpu
pip install tensorflow-gpu==1.10.0
上面指令就是安装tensorflow-gpu-1.10.0
建议换成国内的源,这样速度会快很多:
pip install tensorflow-gpu==1.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
在Anaconda下的使用流程
打开你的cmd输入以下命令,也可以复制粘贴进去。遇见y/n选择y。
conda create -n tf-gpu pip python=3.6
新建一个名字叫“tf-gpu”,这个名字叫什么都无所谓,python版本为3.6的运行环境,此环境与Anaconda中其它环境隔离。
接着输入以下命令,也可以复制粘贴进去。遇见y/n选择y。
activate tf-gpu
接下来就是安装指定版本的tensorflow-gpu(下面指令安装的是1.10.0版本的tensorflow-gpu)
pip install tensorflow-gpu==1.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
然后查看底部是否显示successfuly。
OK了。