参考教程
【包教包会】Anaconda Cuda Cudnn TensorFlow Pytorch Pycharm Win10深度学习环境配置与卸载 看这一个就够了_哔哩哔哩_bilibiliw
问题
按照上述教程配置 遇到了一些问题 解决如下
a) CUDA默认版本问题。在系统安装了多个CUDA版本的情况下 在cmd中用nvcc -V查询到CUDA版本是最后安装的版本。 经过测试 发现新安装的程序环境变量放在path最前 。本次安装直接删除了系统环境变量path中的CUDA6.5路径后 nvcc -V查询到的版本变成了9.2 由于其他原因 后重新安装了10.1 。不太确定nvcc -V查询到结果和TensorFlow调用的版本是否一致 也许不需要修改
b) pip install tensorflow_gpu 2.1.0 -i https://pypi.douban.com/simple --trusted-host pypi.douban.com 提示找不到源 换成2.2.0执行成功。和下面一样 也是版本不匹配的问题
c) 在CUDA9.2 Python3.8下 安装TensorFlow GPU 2.2.0成功后 运行测试程序 报错 提示缺少“cudart64_101.dll”等库 查资料发现 2.2.0版本的TensorFlow需要10.1的CUDA支持。首先想到 安装低级版本的TensorFlow 尝试切换的1.8.0 网上有人用TensorFlow1.8.0 CUDA9.2成功过 失败 提示找不到相关的源。查TensorFlow官网 发现TensorFlow、CUDA、Python以及cudnn库 这几个的版本都有比较严格的版本匹配要求 若是安装了3.8的Python CUDA只能是10.1以上。所以 问题解决方式 (1) 降低Python版本,具体操作方法这里不展开 (2) 升级CUDA以及可能需要重新下载cuDNN库。本次配置选择了升级CUDA到10.1。 安装CUDA10.1的时候 只需要安装关键部分 。
TensorFlow官网给出的版本信息
使用 pip 安装 TensorFlow
d) 测试 CUDA驱动与CUDA运行库不匹配。
解决 CUDA驱动与库版本问题 官网有说
Release Notes :: CUDA Toolkit documentation
原来的376.51明显不行
升级到
问题解决。
成功运行测试程序
import tensorflow as tf import os os.environ[ TF_CPP_MIN_LOG_LEVEL ] 2 # 不显示等级2以下的提示信息 print( GPU , tf.test.is_gpu_available()) a tf.constant(8.0) b tf.constant(4.0) print(a b)
总结
a) 找一个比较新的、靠谱的、点击率和播放搞的教程
b) 遇到问题时 不着急 一个一个解决 最重要的是 在解决的过程中 思考为什么 总结经验。
c) 搞清楚各个软件/工具/驱动版本之间的功能依赖、版本依赖关系。例如 所配置版本的TensorFlow的需要哪个版本的CUDA、cuDNN支持 又应该需要哪个版本的Python。另外注意CUDA运行库和驱动的版本对应关系。
d) 懂得一定的硬件知识。
