Windows系统安装系统安装CUDA,,cudnn & TensorFlow全过程全过程
目录目录概述CUDA & cuDNN 直观理解CUDA, cuDNN 与tensorflow GPU版本匹配1) GPU硬件check2)确定Tensorflow及所需软件版本CUDA & cuDNN 安装步骤1)下载CUDA和
cuDNN2)CUDA安装与验证3)cuDNN安装4)添加环境变量虚拟环境(含Tensorflow-gpu)搭建
概述概述
本文最终目的是在anaconda虚拟环境中,安装包含TensorFlow-gpu的虚拟环境。
在此之前,本机已安装GPU驱动,Visual Studio 2015, 和 anaconda, 还需安装版本匹配的CUDA,cuDNN,以及虚拟环境。
CUDA & cuDNN 直观理解直观理解
CUDA
是NVIDA推出的针对NVIDIA GPU的通用并行计算模型,可以看做是一个工具包(ToolKit)(所以在一台电脑上可以安装多个版本的CUDA)。
其主要作用是:
1)简化开发过程简化开发过程:使开发人员无需学习特定的显卡指令或结构,直接专注于用熟悉的C语言写程序,就可以在显卡上执行,不必花时间在如何实现/执行其所写程序上。
2)支持异构计算支持异构计算:应用程序若同时使用CPU和GPU,则CUDA可将程序的穿行部分放在CPU运行,并行部分卸载到GPU运行,两者可同时进行计算,而不会争用内存资源。
CUDA与显卡驱动之间没有捆绑关系,也非一一对应,但离线安装的CUDA会默认包含与之匹配的最新显卡驱动程序。
cuDNN
是是NVIDA推出的针对深度神经网络的推出的针对深度神经网络的GPU加速库。加速库。
若要用GPU训练模型,cuDNN并非是必须的,但通常都会采用该加速库。
至于cuDNN是如何加速神经网络训练的,有需要再深究和补充。
CUDA, cuDNN 与与tensorflow GPU版本匹配版本匹配
Tensorflow需要以下软硬件支持:
1)NVIDIA GPU (支持CUDA且算力在3.5及以上)
2)CUDA
3)CUPTI
4)cuDNN
其中,tensorflow版本与上述软件版本之间需要相互匹配,才能正常工作,所以,在安装tensorflow之前,需先确定软件版本的匹配关系。
1) GPU硬件硬件check
算力算力
在官网查询链接查询,本机显卡支持CUDA,算力为7.5,满足要求。
GPU驱动版本驱动版本
CUDA版本需与GPU驱动版本相匹配。
若需现安装或更新GPU驱动,详细可参考显卡驱动安装方法。
若已安装GPU驱动,可通过以下方法查看驱动安装版本:
打开【设备管理器】→【显示适配器】,右击所针对的显卡,点击【属性】→【驱动程序】。如下图所示。
(当前显卡所支持的最高(当前显卡所支持的最高CUDA版本)版本)
方法之一:
桌面右键或在控制面板中,打开【NVIDIA控制面板】,点击【帮助】→【系统信息】→【组件】,在3D设置分组中,找到NVCUDA.DLL,其产品名称说明里有所支持的CUDA版本
信息。
如下图可知,所安装的驱动最高支持到CUDA10.2版本。
评论0