-
下载安装 CUDA https://developer.nvidia.cn/cuda-downloads
- 注意先看一下cudnn支持到哪个版本了
- 选自定义安装，在CUDA下拉里取消勾选Visual Studio…
- 在Driver components下拉里，检查Display driver 的版本是否比当前本机安装的显卡驱动高，如果本机显卡驱动版本更高，则取消勾选。
- 检验安装：cmd命令行，输入
nvcc -V查看CUDA的版本信息。
-
下载cudnn包https://developer.nvidia.com/rdp/cudnn-download
- NVIDA账号密码登录
- 解压，并将cuda文件夹重命名为
cuda824, 并将文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA之中。
-
环境变量配置
-
编辑系统变量path，新建变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\cuda824\bin,并上移置顶。
-
此时系统变量path中包含以下三个值：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\cuda824\bin
-
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\binC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\libnvvp
-
安装TensorFlow gpu版本：
pip install -U tensorflow-gpu -
可通过如下检验TensorFlow上GPU是否可行：
-
tf.config.list_physical_devices('GPU')打印出
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]即可 -
判断tf运行在cpu还是gpu上：
sess = tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True))打印出gpu信息如下即可：
Device mapping: /job:localhost/replica:0/task:0/device:GPU:0 -> device: 0, name: NVIDIA GeForce GTX 1050, pci bus id: 0000:01:00.0, compute capability: 6.1
-