Win10系統從NVIDIA driver版本匹配開始配置Keras訓練環境
由于最近只能使用Windows系統訓練神經網路，但是程式總是不呼叫GPU而拖慢了作業進度，因此踏上了配置環境的不歸路，在此記錄一下配置環境的真正流程和我遇到過的所有坑，希望對大家有所幫助，
文章目錄
- Win10系統從NVIDIA driver版本匹配開始配置Keras訓練環境
- 一、確定要安裝的TensorFlow-GPU、CUDA、cudnn的版本
- 二、安裝NVIDIA顯卡驅動
- 1.查看顯卡驅動版本是否滿足CUDA版本的要求
- 2.更新驅動版本
- 三、安裝CUDA
- 安裝失敗解決辦法
- 四、安裝cuDNN
- 環境變數添加方法：
- 五、安裝TensorFlow-gpu
- 驗證tensorflow-gpu是否安裝成功：
- import tensorflow as tf 時報錯FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated;....（如下圖）
- 安裝numpy1.16時報錯：tensorflow 1.14.0 requires google-pasta>=0.1.6, which is not installed.（如下圖）
- 六、在pycharm的python腳本中呼叫GPU跑神經網路模型
- 添加配置好的虛擬環境的python解釋器
- 七、Inference
一、確定要安裝的TensorFlow-GPU、CUDA、cudnn的版本
根據要安裝的tensorflow-gpu版本查看需要安裝的CUDA和cudnn版本
例如，我需要安裝的是tensorflow-gpu 1.14.0，因此需要安裝CUDA10，和cuDNN7.4
二、安裝NVIDIA顯卡驅動
1.查看顯卡驅動版本是否滿足CUDA版本的要求
可在這里查看：
NVIDIA驅動版本查看方式：開始選單——>NVIDIA control panel——>系統資訊
2.更新驅動版本
若顯卡驅動不滿足要求，則需要更新驅動版本，步驟如下：
（1）查看顯卡型號：如上圖所示（開始選單——>NVIDIA control panel——>系統資訊）
（2）在此處下載顯卡型號對應的驅動版本，Windows驅動程式型別，也在上圖系統資訊里查看，最新欄里選擇Studio驅動程式，下載后安裝即可
三、安裝CUDA
（1）在此處選擇需要的CUDA版本，下載并安裝，（選擇精簡安裝，取消勾選創建快捷方式）
安裝失敗解決辦法
若安裝失敗如下圖原因
則選擇自定義安裝，取消勾選Visual Studio Intergration后再進行安裝
（3）驗證CUDA是否安裝成功
進入CUDA的安裝路徑，并復制此路徑
進入cmd命令窗，切換到安裝目錄下，執行nvcc -V指令，如下圖所示即安裝成功
四、安裝cuDNN
在這里下載cuDNN與CUDA對應的版本，（下載時需要自行注冊和登錄賬戶），下載后解壓檔案夾，cuDNN安裝程序如下：
若cuda 安裝目錄：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
（1）把 cudnn 解壓包下的：cuda\bin\cudnn64_7.dll 復制到：cuda安裝目錄\bin
（2）把 cudnn 解壓包下的：cuda\include\cudnn.h 復制到：cuda安裝目錄\include
（3）把 cudnn 解壓包下的：cuda\lib\x64\cudnn.lib 復制到：cuda安裝目錄\lib\x64
說明：復制程序不會有重復檔案需要覆寫，如果有，說明cuDNN下載的版本有問題，請自行檢查，可在這里參考
為防止出現未知錯誤，cudnn安裝完成后，把 3 個路徑加入 環境變數\用戶變數\path 中：
（1）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
（2）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
（3）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
環境變數添加方法：
控制面板——>系統——>高級系統設定
（2）驗證cuDNN安裝是否成功
進入下圖路徑，分別執行bandwidthTest.exe和deviceQuery.exe兩個程式，如下圖便是安裝成功
五、安裝TensorFlow-gpu
（1）打開Anaconda Prompt（conda -V命令可查看anaconda版本，conda info --envs命令可查看已存在的虛擬環境資訊）
（2）創建虛擬環境
conda create -n env_name python=3.6 # env_name是自己命名的虛擬環境名
（3）進入虛擬環境
conda activate env_name
（4）安裝tensorflow-gpu版本
此處千萬不要安裝tensorflow的cpu版本，不然程式默認呼叫cpu版本，安好后再卸載cpu版本會導致很多錯誤，我就是栽在這里重安裝了好幾次，
conda install tensoflow-gpu=1.14
驗證tensorflow-gpu是否安裝成功：
在Anaconda Prompt中輸入如下命令
>>> python
>>> import tensorflow as tf
>>> print(tf.__version__)
>>> print(tf.test.is_gpu_available())
若如下圖所示，則tensorflow-gpu安裝成功
import tensorflow as tf 時報錯FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated;…（如下圖）
報錯原因：這是由于numpy1.19.1版本過高造成，需要降至1.16.0
解決辦法：退出python程式，重新安裝numpy1.16.0
>>> exit()
>>>pip install numpy==1.16
安裝numpy1.16時報錯：tensorflow 1.14.0 requires google-pasta>=0.1.6, which is not installed.（如下圖）
解決辦法：
>>>pip install google-pasta==0.1.6
六、在pycharm的python腳本中呼叫GPU跑神經網路模型
添加配置好的虛擬環境的python解釋器
p36是剛剛配置好的虛擬環境的檔案夾
至此我們配置好的tensorflow-gpu已關聯到了當前專案
七、Inference
Windows 10 安裝 nvidia driver，cuda，cudnn，anaconda，tensorflow
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/188256.html
標籤：其他
上一篇：硬碟記憶體