基於深度學習的建築能耗預測02——安裝Tensorflow-gpu
- 2021 年 9 月 29 日
- 筆記
- 基於深度學習的建築能耗預測
一、檢查顯示卡
·查看自己的顯示卡配置是否能支援cuda，以及Tensorflow不同版本要求與CUDA及CUDNN版本對應關係:
//developer.nvidia.com/zh-cn/cuda-gpus
·nvidia與cuda需要滿足關係：
//docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
二、下載安裝GeForce Experience
官網下載：
//www.nvidia.com/zh-cn/geforce/geforce-experience/，
experience檢測顯示卡驅動，發現最新版本472.12，點擊安裝，一定要注意，選擇自定義安裝，然後有個純凈安裝的勾選框。接下來會讓重啟電腦，重啟過後experience還會繼續彈出來自動安裝一些東西，等它安裝結束即可。
三、下載 CUDA 8.0 + cudnn 5.1
· cuda歷史版本下載連接：
版本是：CUDA Toolkit 8.0 GA2 (Feb 2017)
//developer.nvidia.com/cuda-toolkit-archive
· cuda與cudnn需要滿足關係：
版本是：cuDNN v5.1 Library for Windows 10
//developer.nvidia.com/rdp/cudnn-archive
· 顯示卡計算能力：
//developer.nvidia.com/cuda-gpus
對應版本：
由上表可知，cuda8+cudnn5.1最高可以裝到tensorflow1.2.0)
四、安裝
1. CUDA 8.0
直接點擊安裝
在cmd命令行中輸入nvcc -V查看是否安裝成功。
2. 安裝cudnn 5.1
cudnn下載完成後直接解壓，然後到你cuda的安裝路徑下，
我的cuda路徑為C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
· 將解壓出來的:
bin中文件放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin中
include文件放到cuda的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include中
lib文件放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
3. 安裝 Tensorflow_gpu 1.0.0
· 首先打開Anaconda Prompt，進入Anaconda命令行管理介面。
· 配置清華鏡像，輸入指令：
conda config --add channels //mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
· 然後輸入
conda config --set show_channel_urls yes
· 創建運行環境，輸入指令：
conda create -n tensorflow-gpu python=3.6
· 新建一個名字叫「tensorflow-gpu」，python版本為3.6的運行環境，此環境與Anaconda中其它環境隔離。紅框中的軟體包也會隨之安裝，· · 輸入「y「和回車後開始安裝。
· 然後會出現一些軟體安裝包的提示（問你是否確認安裝）：輸入 y 按回車
· 激活並進入環境，使後續指令在激活的環境中生效，輸入指令：
activate tensorflow-gpu
· 升級pip到最新版，防止稍後的安裝時，出現錯誤（很有可能因為沒有更新pip到最新版，導致下載到一半出現錯誤），輸入指令：
python -m pip install --upgrade pip
· 安裝tensorflow 1.2.0及相應依賴包，輸入指令：
pip install --ignore-installed --upgrade tensorflow-gpu
至此，tensorflow的安裝完成。
筆者安裝過程截圖：
· 最後，驗證一下是否安裝成功：
在命令行中，進入python，並輸入以下程式碼：
import tensorflow as tf
hello = tf.constant(『Hello, TensorFlow!』)
sess = tf.Session()
print(sess.run(hello))
輸出：
b』 Hello, TensorFlow!
