设为首页收藏本站
开启辅助访问
Windows11 显卡GTX1650 搭建CUDA+cuDNN环境，并安装对应版本的Anaconda和TensorFlow 您所在的位置：网站首页 › 奥德赛gtx1650怎么设置畅玩 › Windows11 显卡GTX1650 搭建CUDA+cuDNN环境，并安装对应版本的Anaconda和TensorFlow

Windows11 显卡GTX1650 搭建CUDA+cuDNN环境，并安装对应版本的Anaconda和TensorFlow

#Windows11 显卡GTX1650 搭建CUDA+cuDNN环境，并安装对应版本的Anaconda和TensorFlow| 来源: 网络整理| 查看: 265

文章目录 前言一、安装部署环境二、安装各个软件1.CUDA和cuDNN的版本选择及安装1.1 CUDA的版本选择及安装1.2 cuDNN的版本选择及安装1.3 测试CUDA是否安装成功 2. TensorFlow-GPU、Python和Anaconda版本的选择与安装2.1 安装Anaconda并创建虚拟环境2.2 安装TensorFlow-GPU2.3 测试TensorFlow-GPU是否可用 三. 参考文章总结

前言

为了调用计算机的GTX1650显卡进行深度学习的模型和训练，需要先搭建好CUDA和cuDNN环境。此外，TensorFlow-gpu版本对python、CUDA和cuDNN的版本也有要求，安装前需要先确定好各个软件需要安装的版本。

提示：以下是本篇文章正文内容，下面案例可供参考

一、安装部署环境 安装环境软件版本PC系统版本Windows 11 21H2显卡驱动版本496.76显卡CUDA算力7.5CUDA版本cuda_10.0.130_411.31_win10cuDNN版本cudnn-10.0-windows10-x64-v7.6.5.32Python版本python-3.7.9-amd64Anaconda版本Anaconda3-2020.02-Windows-x86_64TensorFlow-GPU版本1.13.1

显卡信息： 在这里插入图片描述

显卡CUDA算力： 在这里插入图片描述

二、安装各个软件

首先安装最新的显卡驱动，从NVIDIA驱动程序官网下载符合本机显卡的最新驱动，默认安装即可。 在这里插入图片描述

1.CUDA和cuDNN的版本选择及安装

查看本机显卡支持的CUDA版本，打开NVIDIA Control Panel（NVIDIA控制面板），点左下角系统信息→组件，查看NVCUDA.DLL的系统版本，此为显卡支持的最高CUDA版本。 在这里插入图片描述

1.1 CUDA的版本选择及安装

目前网上的教程大多要装CUDA9.0版本配合VS2015使用，但由于GTX1650显卡上市较晚，安装CUDA9.0时提示以下错误： 在这里插入图片描述

为了后续配合Visual Studio 2015和TensorFlow-GPU版本使用，选择CUDA10.0版本安装，进CUDA下载官网，下载离线包 在这里插入图片描述 将Base Installer下载下来，双击解压默认下一步安装即可。

若解压时提示Could not create file “C:\TEMP\CUDA1\GFExperience\chrome_elf.dll” 拒绝访问 错误，将电脑上的杀毒软件（360安全卫士）全部退出，再重新解压即可出现CUDA安装程序界面。 在这里插入图片描述 安装完成后应该会自动将CUDA安装位置添加到系统的环境变量中，可以打开设置→系统→高级系统设置→环境变量→系统环境变量，检查是否有下图红框处的环境变量，若没有，手动添加即可。 在这里插入图片描述

1.2 cuDNN的版本选择及安装

cuDNN版本 cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.0 在这里插入图片描述 登录上NVIDIA账号，下载zip包解压后，将对应文件夹的文件放到CUDA安装路径下的对应文件夹里即可。 将其中’bin‘中的’cudnn64_7.dll‘拷贝到cuda10.0安装路径下的bin文件夹中，cuda对应的文件夹的路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin，如下图所示： 在这里插入图片描述 同样的，将cudnn中include下的’cudnn.h‘拷贝到cuda文件夹中的include的文件夹中（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include） ，cudnn文件中的’lib/x64’中的‘cudnn.lib’拷贝到cude文件中的’lib/x64’中（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64）。 至此完成了CUDA10.0和cuDNN的安装。

1.3 测试CUDA是否安装成功

cmd里查看版本信息nvcc -V 在这里插入图片描述

cmd里输入nvidia-smi查看GPU运行时的监测界面 在这里插入图片描述 注：若安装的是CUDA9.0 ，在cmd中需进到以下路径（C:\Program Files\NVIDIA Corporation\NVSMI）执行nvidia-smi才能看到GPU的监测界面。

进入下面图片的路径（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite），然后按住‘shift’+鼠标右击，点击’在此处打开powershell窗口‘，输入： .\bandwidthTest.exe 返回Result=PASS 在这里插入图片描述 同理输入：.\deviceQuery.exe 返回：Result=PASS,说明CUDA安装成功了。 在这里插入图片描述 同时从上图的 CUDA Capability Major/Minor version number 行可以看到CUDA算力为7.5。

2. TensorFlow-GPU、Python和Anaconda版本的选择与安装

TensorFlow与python、CUDA、cuDNN、编译器环境的对应关系可参考官网的说明

Windows端地址：https://tensorflow.google.cn/install/source_windows 在这里插入图片描述 在这里插入图片描述 需要安装的是Windows TensorFlow-GPU版本，前面已部署好CUDA10.0环境，所以依据上表，选择安装TensorFlow-GPU 1.13.1版本，该版本支持python3.5-3.7，我们选择python 3.7版本。我们在安装anaconda的时候你并不知道会包含哪个版本的python，可以参考《anaconda python 版本对应关系》此篇博文的表来决定安装哪个版本的Anaconda。在Anaconda下载镜像站

里选择自己需要的版本即可，本文选择的是 Anaconda3-2020.02-Windows-x86_64.exe安装包，该版本支持创建python2.7、3.5、3.6、3.7、3.8的虚拟环境。 2.1 安装Anaconda并创建虚拟环境

将Anaconda3-2020.02-Windows-x86_64.exe默认安装即可，安装完成后打开Anaconda Navigator，创建tensorflow-gpu虚拟环境，python版本选择3.7。 创建虚拟环境 创建完成后选中tensorflow-gpu，Open with Terminal 在这里插入图片描述

2.2 安装TensorFlow-GPU (tensorflow-gpu) C:\Users\admin>pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述

2.3 测试TensorFlow-GPU是否可用

测试TensorFlow-GPU的第一种方法： 输入以下命令测试，若打印true，表示调用GPU成功。

(tensorflow-gpu) C:\Users\admin>python Python 3.7.12 | packaged by conda-forge | (default, Oct 26 2021, 05:35:01) [MSC v.1916 64 bit (AMD64)] on win32 Type "help", "copyright", "credits" or "license" for more information. >>> import tensorflow as tf >>>import tensorflow as tf >>>tf.test.is_gpu_available() 2021-11-25 16:54:47.265632: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 2021-11-25 16:54:47.390464: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1433] Found device 0 with properties: name: NVIDIA GeForce GTX 1650 major: 7 minor: 5 memoryClockRate(GHz): 1.515 pciBusID: 0000:01:00.0 totalMemory: 4.00GiB freeMemory: 3.25GiB 2021-11-25 16:54:47.390874: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1512] Adding visible gpu devices: 0 2021-11-25 16:54:47.858586: I tensorflow/core/common_runtime/gpu/gpu_device.cc:984] Device interconnect StreamExecutor with strength 1 edge matrix: 2021-11-25 16:54:47.858887: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990] 0 2021-11-25 16:54:47.860156: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1003] 0: N 2021-11-25 16:54:47.861235: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/device:GPU:0 with 2933 MB memory) -> physical GPU (device: 0, name: NVIDIA GeForce GTX 1650, pci bus id: 0000:01:00.0, compute capability: 7.5) True

在这里插入图片描述 测试TensorFlow-GPU的第二种方法： 将以下代码保存成tfgpu-get.py文件

import tensorflow as tf if tf.test.gpu_device_name(): print('Default GPU Device: {}'.format(tf.test.gpu_device_name())) else: print("Please install GPU version of TF")

在命令行中执行，若输出以下内容，表示调用GPU成功，TensorFlow-GPU可用。

(tensorflow-gpu) C:\Users\admin>python tfgpu-test.py 2021-11-25 16:59:45.388468: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 2021-11-25 16:59:45.495860: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1433] Found device 0 with properties: name: NVIDIA GeForce GTX 1650 major: 7 minor: 5 memoryClockRate(GHz): 1.515 pciBusID: 0000:01:00.0 totalMemory: 4.00GiB freeMemory: 3.25GiB 2021-11-25 16:59:45.496494: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1512] Adding visible gpu devices: 0 2021-11-25 16:59:45.834991: I tensorflow/core/common_runtime/gpu/gpu_device.cc:984] Device interconnect StreamExecutor with strength 1 edge matrix: 2021-11-25 16:59:45.835298: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990] 0 2021-11-25 16:59:45.836502: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1003] 0: N 2021-11-25 16:59:45.837311: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/device:GPU:0 with 2933 MB memory) -> physical GPU (device: 0, name: NVIDIA GeForce GTX 1650, pci bus id: 0000:01:00.0, compute capability: 7.5) 2021-11-25 16:59:45.839926: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1512] Adding visible gpu devices: 0 2021-11-25 16:59:45.840107: I tensorflow/core/common_runtime/gpu/gpu_device.cc:984] Device interconnect StreamExecutor with strength 1 edge matrix: 2021-11-25 16:59:45.840986: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990] 0 2021-11-25 16:59:45.842483: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1003] 0: N 2021-11-25 16:59:45.843361: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/device:GPU:0 with 2933 MB memory) -> physical GPU (device: 0, name: NVIDIA GeForce GTX 1650, pci bus id: 0000:01:00.0, compute capability: 7.5) Default GPU Device: /device:GPU:0

至此完成了Anaconda和TensorFlow-GPU的安装与测试。

三. 参考文章

《windows10 显卡GTX1050安装tensorflow-gpu教程以及Tensorflow不同版本要求与CUDA及CUDNN版本对应关系（GPU版本）》 《windows tensorflow-gpu的安装》 《在 Windows 环境中从源代码构建》 《Tensorflow不同版本要求与CUDA及CUDNN版本对应关系》 《anaconda python 版本对应关系》 等。

总结

以上内容仅供参考，按照步骤操作时应对应修改相关文件路径。



【本文地址】

公司简介

联系我们

今日新闻

    推荐新闻

    专题文章
      CopyRight 2018-2019 实验室设备网 版权所有