在前面的文章中,我展示了如何测试你的Linux系统,看看你是否有支持TensorFlow的GPU,并在当时承诺接下来介绍Windows和MacOS的相关知识。因此,在本文中,我讲介绍如何测试支持GPU的Windows系统,如果你有这方面的需求,可以在获得TensorFlow的构建并确保其正常工作,本文会介绍安装和配置所需的驱动程序。
但在你进一步研究学习之前,你还需要了解一下Python pip,而这些通常不会在Windows的机器上出现。
1.获取Python和Pip
有很多方法可以安装Windows版的Python和pip,但是我发现最简单的方法是到Python站点下载可执行文件安装程序。
一旦你下载了它,启动它,并确保选择安装的自定义选项。这会将你带入一个配置对话框,你可以选择pip该对话框作为安装选项。
我建议你只选择他们。
完成安装后,你可以打开命令提示符并键入python以查看你正在使用的版本,从上面我可以看到,我下载了3.6.4,并且我的Python命令与此匹配。
你可以退出Python解释器:exit()。
然后测试你pip install的:pip -V。
你应该看到这样的东西:
你现在可以适用你windows对应版本的Python和pip安装程序。你将使用它们来安装TensorFlow,但首先,我们需要检查你的GPU是否支持。
2.检查你的Windows GPU版本:
在命令指示符下,你可以使用以下命令启动设备管理器:
control /name Microsoft.DeviceManager
然后查找“显示适配器”设置,将其打开,然后阅读适配器的名称。你应该看到这样的东西:
正如你所看到的,我的系统有一个GTX980 Ti。你需要查看你的,并了解下支持CUDA的GPU NVIDIA,网站在这里。如果你的GPU正好是GTX980 Ti,那么你知道了TensorFlow可以在你的机器上支持GPU的操作。但是在安装和运行TensorFlow之前,你需要为你的机器安装CUDA驱动,CUDNN更新它。
3.安装CUDA驱动程序:
在写这篇文章的时候,TensorFlow已经建立对CUDA9.0的支持,并且发布版本支持8.0。如果你在此处访问CUDA下载网站,你会注意到它会将你带到最新版本(现在是9.1),因此请确保通过选择下面的Legacy Resources链接来下载正确版本的驱动程序在下载界面:
当然,随着CUDA和TensorFlow的安装,它也会提醒你(本文稍后介绍),你将不得不返还本网站以获取正确版本。下载系统的驱动程序并使用默认值进行安装。这需要一点点时间,还有几次重启。
在运行TensorFlow之前,你还需要一个与你的CUDA版本相匹配的CuDNN版本,但是我个人觉得它更容易不安装,因为首先你必须确保你拥有正确版本的CUDA,其次你应该先安装TensorFlow并成功让它运行。在安装CuDNN的过程中,有两件事情可能会发生:
1. 它将在CUDA驱动程序上失败,因此你需要重复此步骤。
2. 它会在CuDNN驱动程序上失败,所以你知道你的CUDA驱动程序是好的,你需要得到一个正确的CuDNN版本。
接下来我们介绍如何安装TensorFlow。
4.安装TensorFlow Nightly:
我假设你在使用TensorFlow和GPU,所以要从命令提示符下安装它,只需要输入:
sudo pip install tf-nightly-gpu
然后,一旦完成,在命令提示符窗口中输入:
python
...打开Python编辑器,在其中输入:
import tensorflow as tf
如果你使用的是GPU版本,则应该会出现错误。
如果你有错误的CUPA驱动程序,它可能会显示cudart64_XX.dll失败,其中XX是版本号。在撰写本文时,它cudart_90.dll告诉我,我需要CUDA驱动程序的9.0版本。仔细检查此版本,并重复上一步(下载并安装驱动程序),直到此错误消失。一定要关闭命令提示符窗口,并打开一个新的测试安装,以便你的路径是最新的。
当你有正确的CUDA驱动程序,但错误或缺少CuDNN驱动程序,你会看到一个错误,说cudnn64-X.dll缺少什么东西,在哪里X是一个版本号。记下这一点,你会在下一步中使用它。在继续之前,退出Python并关闭命令提示符窗口。就我而言,它告诉我cudnn64_7.dll缺少了,所以我知道我需要版本7.dll.
5.安装CuDNN库:
CuDNN库是针对深度神经网络的CUDA更新,是tensoeFlow用于加速NVidia GPU上的深度学习库,你可以从这里下载。你必须首先注册一个NVidia开发者账号,这很快就会完成,并且这是免费的。登陆后,你会看到各种CuDNN下载。以下是你必须与上一节中下载的CUDA版本相匹配的位置。所以,我使用了CUDA9.0,
所以我确定我使用了一个CuDNN来匹配这个和你在最后一步看到的版本(在我的例子中是版本7)—我为CUDA9.0选择了CuDNN v7.0.5。
6.测试TensorFlow:
如果一切顺利,现在可以打开命令提示符窗口,然后输入“python”打开Python解释器。然后输入:
import tensorflow as tf
如果你有正确版本的库,你应该看到没有错误,像这样:
如果你看到错误cudart64_xx.dll
或cudnn64_x.dll
,回到前面的步骤,并确保你已经下载并安装了导致这些错误的驱动程序的正确版本。我恐怕需要一点反复试验。
然后,您可以输入以下内容来检查您的TensorFlow版本:
请注意,前后有两个下划线version。TensorFlow将输出其版本号,如下所示:
print(tf.__version__)
你现在有一个完整的TensorFlow运行时环境,在Windows上支持GPU!
本文由阿里云云栖社区组织翻译。
文章原标题《installing-tensorflow-with-gpu-on-windows-10》,
作者: Laurence Moroney,译者:乌拉乌拉,审阅:袁虎。
文章为简译,更为详细的内容,请查看原文