Win10搭建Tensorflow-GPU环境

一、前言

最近在使用人脸识别FaceNet碰到了些训练上的速度问题,特来此记录下配置Tensorflow-GPU环境的过程,防止以后还需要用到。

自己的环境:

操作系统: Windows 10

GPU: GTX1050+CUDA9.0+cuDNN

Python: Version 3.7

深度学习框架:tensorflow-gpu

注意:CUDA 选择安装的版本一定要和你电脑上的显卡信息相匹配,否则tensorflow-gpu会报错!!!

二、安装过程

2.1 安装 CUDA 9.0

下载好后打开进行安装:

下一步会检测系统兼容性,有些显卡是不支持GPU的:

接收协议,开始安装:

安装选择自定义安装,自定义安装选项如下,我们只选择我们需要的:

安装位置默认就好,不然之后可能会有一系列问题:

等待安装完成:

安装完成之后,下一步需要配置环境变量:

如果安装成功,系统变量会多出两个为:

还需要自己添加几个系统变量:

CUDA_SDK_PATH = C:CorporationSamples.0(这是默认安装位置的路径,如果自己设置路径安装成功的话就用自己的路径)

CUDA_LIB_PATH = %CUDA_PATH%

CUDA_BIN_PATH = %CUDA_PATH%

CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%

CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%

添加好之后应该像下面这样:

下一步在系统变量PATH里添加东西。找到系统变量的PATH双击,添加下列东西:

%CUDA_LIB_PATH%

%CUDA_BIN_PATH%

%CUDA_SDK_LIB_PATH%

%CUDA_SDK_BIN_PATH%

C:FilesGPU Computing Toolkit.0 (这些均为默认路径,有需要的话自行修改)

C:FilesGPU Computing Toolkit.0

C:CorporationSamples.0

C:CorporationSamples.0

添加完之后CUDA就算安装完成了,我们可以检验是否安装成功:

① 打开CMD,cd 到 C:FilesGPU Computing Toolkit.0_suite(这是默认路径)

② 分别执行命令:

bandwidthTest.exe

deviceQuery.exe

若分别返回图示结果则CUDA 9.0安装成功!

2.2 安装cuDNN

cuDNN官网上下载搭配 CUDA 9.0 的 cuDNN ,一定要注意搭配9.0,会需要注册英伟达的账号:

注册好之后进行下载:

下载好之后进行解压,分别将.h .lib.dll 文件分别拷贝到 CUDA 的include, lib/x64, bin 文件夹下,其实也就是对应的文件夹。

到这里就安装好了CUDA 9.0及其对应的 cuDNN!

2.3 安装Tensorflow-GPU

之前安装的是CPU版本,所以先删除

pip uninstall tensorflow

删除之后我选择使用 pip 安装 tensorflow-gpu:

pip install tensorflow-gpu

进入Python环境检测是否安装成功: