CUDA、CUDNN在windows下的安装及配置

CUDA、CUDNN在windows下的安装及配置参考文章全网最详细|Windows安装TensorFlow2.0GPU详细教程Wind10安装anaonda+cuda10.1+cudnn+pytorch+tensorflow-gpuwin10+GTX1050Ti+anaconda3+tensorflow1.14.0+cuda10.0+cudnn7.6.1.34(带GPU使用检测)一、安装前的准备(1)查看自己N卡…

大家好,又见面了,我是你们的朋友全栈君。

参考文章

全网最详细 | Windows 安装 TensorFlow2.0 GPU 详细教程

Wind10安装anaonda+cuda10.1+cudnn+pytorch+tensorflow-gpu

win10+GTX1050Ti+anaconda3+tensorflow1.14.0+cuda10.0+cudnn7.6.1.34(带GPU使用检测)

一、安装前的准备

(1)查看自己N卡支持的CUDA版本,打开NVIDIA控制面板,选择系统信息

CUDA、CUDNN在windows下的安装及配置

CUDA、CUDNN在windows下的安装及配置
查看系统信息
CUDA、CUDNN在windows下的安装及配置
CUDA10.1

NVIDIA控制面板下  系统信息 显示:CUDA10.1。这里CUDA10.1是支持的最高版本的CUDA,可以向下兼容,且可以安装多个版本的CUDA,可以通过更改环境变量来更改为你需要用到的CUDA版本。CUDA多版本共存请参考博客: Windows下CUDA多版本共存

(2)NVIDIA官网下载对应CUDA版本

CUDA下载地址:CUDA Toolkit Archive | NVIDIA Developer

CUDA、CUDNN在windows下的安装及配置

CUDA、CUDNN在windows下的安装及配置
下载CUDA10.1

(3)CUDNN的下载

官网下载地址:https://developer.nvidia.com/rdp/cudnn-download

没有账号需要注册账号,账号登录后,找到自己对应的CUDA版本,点击下载

CUDA、CUDNN在windows下的安装及配置
注册或者登录
CUDA、CUDNN在windows下的安装及配置
登录账号
CUDA、CUDNN在windows下的安装及配置
自定义填写即可

CUDA、CUDNN在windows下的安装及配置
CUDNN下载

二、安装过程

(1)安装CUDA

安装路径,选择OK(安装完成后路径会自动变化,所以这里路径选择默认就好)

CUDA、CUDNN在windows下的安装及配置

CUDA、CUDNN在windows下的安装及配置

CUDA、CUDNN在windows下的安装及配置
自定义安装

取消勾选GeForce Experience 

如果电脑上本身就有Visual Studio Integration,要将这个取消勾选,避免冲突了

点开Driver comonents,Display Driver这一行,前面显示的是Cuda本身包含的驱动版本是411.31

如果你电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号,那一定要把这个勾去掉。否则会安装失败(相同的话,也不用去勾选)

CUDA、CUDNN在windows下的安装及配置
只选CUDA不然会失败

CUDA、CUDNN在windows下的安装及配置

 

CUDA的安装位置可以自定义,系统默认是在系统盘C盘,为了方便日后管理,可以安装到非系统盘的其他盘 

这几个文件夹,用户手动创建

D:\360Downloads\CUDA10.0\NVIDIA GPU Computing Toolkit\CUDA\v10.0

D:\360Downloads\CUDA10.0\NVIDIA Corporation\CUDA Samples\v10.0

CUDA、CUDNN在windows下的安装及配置

CUDA、CUDNN在windows下的安装及配置
安装完成

打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin ,查看nvcc.exe

有这个nvcc.exe就说明CUDA安装已成功

CUDA、CUDNN在windows下的安装及配置

打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64,查看有没有cuti64_101.dll

有这个cuti64_101.dll就说明CUPT1已成功

CUDA、CUDNN在windows下的安装及配置

(2)配置CUDNN

解压CUDNN后,将对应的bin、lib、include与CUDA10.1对应的bin、lib、include进行合并。 

CUDA、CUDNN在windows下的安装及配置

CUDA、CUDNN在windows下的安装及配置

CUDA、CUDNN在windows下的安装及配置

CUDA、CUDNN在windows下的安装及配置

(3)配置环境变量

安装完CUDA后,CUDA会自动添加到环境变量中

CUDA、CUDNN在windows下的安装及配置

CUPTA和CUDNN还没有加进来,所以必须将它们添加到路径,这样使用Tensorflow的时候才不会报错

手动添加CUPTI和CUDNN的环境变量如下图:

CUDA、CUDNN在windows下的安装及配置

D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64;

D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;

D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;

D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\libx64;

D:\360Downloads\CUDA10.1\NVIDIA Corporation\CUDA\Samples\v10.1\bin\win64;

D:\360Downloads\CUDA10.1\NVIDIA Corporation\CUDA\Samples\v10.1\common\lib\x64

(4)测试CUDA

CUDA、CUDNN在windows下的安装及配置
CUDA的版本是10.1

(5)查询显卡算力

进入目录 deviceQuery.exe
>> cd D:\360Downloads\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite

运行 deviceQuery.exe
>> ./deviceQuery.exe

CUDA、CUDNN在windows下的安装及配置

三、 TensorFlow 2.0 安装与测试

安装tensorflow-gpu==2.0.0-beta1
>> pip install tensorflow-gpu==2.0.0-beta0

CUDA、CUDNN在windows下的安装及配置

在Anaconda虚拟环境中测试一下 tensorflow是否安装成功

CUDA、CUDNN在windows下的安装及配置

CUDA、CUDNN在windows下的安装及配置

 测试成功,说明gpu版本已经安装成功

##begin—————————-2021-06-14新增—————————-##

四、CUDA多版本共存

参考博客 
Windows下CUDA多版本共存

##end—————————-2021-06-14新增—————————-##

五、可能出现的问题

(1)显卡驱动、CUDA版本不一致的问题,需要按照前面的步骤查看当前显卡驱动所支持的CUDA版本,去NVIDIA官网下载对应版本的CUDA

CUDA、CUDNN在windows下的安装及配置
版本不一致问题

(2)ImportError: Could not find ‘cudart64_100.dll’错误

CUDA、CUDNN在windows下的安装及配置

  • tensorflow – 仅支持 CPU 的最新稳定版(建议新手使用)
  • tensorflow-gpu – 支持 GPU 的最新稳定版(适用于 Ubuntu 和 Windows)
  • tf-nightly – 仅支持 CPU 的预览每夜版(不稳定)
  • tf-nightly-gpu – 支持 GPU 的预览每夜版(不稳定,适用于 Ubuntu 和 Windows)
  • tensorflow==2.0.0-beta1 – 仅支持 CPU 的预览 TensorFlow 2.0 测试版(不稳定)
  • tensorflow-gpu==2.0.0-beta1 – 支持 GPU 的预览 TensorFlow 2.0 测试版(不稳定,适用于 Ubuntu 和 Windows)

——————————————————————————————————————————-

解决方案,参考博客

tensorflow遇到ImportError: Could not find ‘cudart64_100.dll’错误解决

彻底解决tensorflow:ImportError: Could not find ‘cudart64_90.dll’

Tensorflow报错“Could not find ‘cudart64_6.dll”

Windows下安装tensorflow GPU版本报错:OSError: [WinError 126] 找不到指定的模块/Could not find ‘cudart64_90.dll’

我的解决方案:

tensorflow-gpu==2.0.0-beta1 – 支持 GPU 的预览 TensorFlow 2.0 测试版(不稳定,适用于 Ubuntu 和 Windows),该版本不稳定,卸载重装一个稳定版即可

1. 卸载
>> pip uninstall tensorflow-gpu

2. 重新下载安装稳定版
>> pip install tensorflow-gpu
CUDA、CUDNN在windows下的安装及配置
卸载
CUDA、CUDNN在windows下的安装及配置
卸载成功
CUDA、CUDNN在windows下的安装及配置
安装稳定版
CUDA、CUDNN在windows下的安装及配置
安装成功

如果在稳定版的tensorflow下测试,还是不行,那就只能是CUDA与CUDNN之间的版本问题了。因为当前显卡驱动是支持CUDA10.1的,那我试下当前 显卡驱动是否支持CUDA10.0,然后CUDNN也是下载CUDA10.0所对应的版本

CUDA、CUDNN在windows下的安装及配置

CUDA、CUDNN在windows下的安装及配置

 现在系统中是有两个版本的CUDA和两个版本的CUDNN,同时配置好CUDA10.0和对应CUDNN的相关环境变量,用相同的方法测试

CUDA、CUDNN在windows下的安装及配置

测试成功,说明gpu版本已经安装成功

(3)tensorflow-gpu ImportError: DLL load failed:找不到指定的模块

CUDA、CUDNN在windows下的安装及配置

错误原因:CUDA版本与Tensorflow版本冲突

解决方案:卸载CUDA10.1,重新装CUDA10.0,同时添加对应的CUDNN,具体操作方法如上

(4)ImportError: Nomodule named ‘_pywrap_tensorflow_internal’

CUDA、CUDNN在windows下的安装及配置

错误原因:

CUDA10.1与tensorflow-gpu版本冲突

参考博客 windows下安装tensorflow过程中解决办法集合+ImportError: Nomodule named ‘_pywrap_tensorflow_internal’

解决方案:同问题(3)的解决方案

(5)tensorflow各个版本的CUDA以及Cudnn版本对应关系

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/130250.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号