一、卸载CPU版本。 下图
以前安装过anaconda,但要检查版本和环境。 虽然发现有tensorflow环境,但由于需要tensorflow-gpu环境,因此输入conda uninstall tensorflow将其卸载。
如果发现无法卸下,可以选择环境(anaconda页面的中点),选择tensorflow,然后单击下面的“remove”将其卸载干净。
再次输入conda info --envs后,结果如下图所示。
键入conda creat-ntensorflow-gpupippython=3.6安装tensorflow-GPU环境,
如果再次检查,则表明已成功创建tensorlfow-gpu环境。
二是安装CUDA和CuDNN 1。 要检查显卡是否只有NVIDIA显卡支持在GPU上运行TensorFlow,以及GPU是否支持CUDA,通常计算能力不低于3.0才合适。
(查看链接: https://developer.NVIDIA.com/cuda-GPUs )
2 .安装显卡的硬件明确后,安装http://www.Sina.com/http://www.geforce.cn/drivers
我的是1060,10系列。 可以在下拉列表中找到。 我选择2019/9/10发布的东西。
下载完成后,安装。 默认情况下,不要随意更改选项。
3 .要安装cuda,请先查看tensorflow和cuda及cuDNN的对应版本。 本人为显卡的驱动,链接
CUDA下载地址: https://developer.NVIDIA.com/cuda-toolkit-archive
下载完成为cuda_9.0.176_win10.exe。 然后,双击进行安装,并选择“定制”。 选择安装项目时,GeForce Experience通常不会安装。 CUDA是核心组件,选中它,然后单击“下一步”开始安装。
如果在安装过程中发现安装错误,请检出CUDA选项下的VS,如下图所示。
安装cuDNN cuDNN相当于cuDA图形计算库的专用于深度神经网络的计算库。
cuDNN下载地址: https://developer.NVIDIA.com/RDP/Cu dnn-download。 注册比较简单。
下载完成后解压缩,得到三个文件夹,将这三个文件复制到名为~CUDAv9.0的目录中,并将其替换为一组。
第三,安装tensorflow1.12.0。 第一步创建了tensorlfow-gpu环境。 当前被激活并进入环境。
安装tensorflow输入文件: pip install---ignore-- installed-- upgradetensorflow-GPU==1. 12.0
验证成功安装(tensorflow-gpu ) c : (users (2018061801 python python3.6.9| anaconda,Inc.|(default,jul 30 2019,133366 )