win10 搭建 tensorflow-gpu 环境

发表于 2020-07-08 更新于 2021-06-25 分类于机器学习阅读次数： Disqus：本文字数： 2.3k 阅读时长 ≈ 2 分钟

win10 下安装 tensorflow-~~2.2~~ 2.5 及 gpu 加速.
资料来源:
https://www.tensorflow.org/install/pip
https://blog.csdn.net/Anysky_fighting/article/details/105320858

更新

1 2	20.07.08 初始化 21.06.25 更新内容,修正错误

导语

算是第一个机器学习的博文,win10 下安装 tensorflow-~~2.2~~ 2.5 及配置 gpu 加速.

不得不说还是 linux 下香,跑个 docker 就行了.win10 下太难了…下个大版本更新 wsl2 带来了 gpu 的支持,继续等吧,预览版实在不敢上.

简介

Tensorflow 是目前最流行的机器学习框架,由 Google 开发以 Apache 2.0 开源.

TF 提供了 Python C++ Java Go Rust 等语言的 API.基本覆盖了我接触范围内全部编程语言.

TF 支持 Keras,入门已经没什么难度了.并且预见之后的有部分工作是在 Android 上进行,TensorFlow Lite 估计也跑不了.

计划上近期只是 TF 的入门,以 Python 为主.

安装 Tensorflow

win10 下基本上可以概括成

安装 Python
pip 安装 tensorflow
安装 GPU 驱动
安装 CUDA/cuDNN
验证

Python 环境

非常多的文章推荐使用 Anaconda ,但是 Anaconda 还是过重了,就入门的目的而言.

这里仅是 Python 3.9 + virtualenv virtualenvwrapper 的组合.

因为还需要跑别的环境,virtualenv 生成一个专用的 Python 环境.

Python 直接由官网下载安装即可
virtualenv 直接 pip install virtualenv,它能生成一个 python 的虚拟运行环境.
virtualenvwrapper 是 virtualenv 的后端,可以全局管理生成的环境,但也不是必须的.pip install virtualenvwrapper

虚拟环境

创建一个虚拟环境,但是 win 下要进入虚拟环境需要执行脚本,win10 默认是禁止执行脚本,需要设置运行执行.

virtualenv tf

# 设置允许执行脚本
set-executionpolicy remotesigned

# 切换到虚拟环境 tf
cd tf/Scripts/
./activate

# 退出虚拟环境 tf
deactivate

安装Tensorflow

在 2.1 版本以后 gpu 和 cpu 支持已经合并了,没必要再单独安装 tensorflow-gpu.

网络问题就不提了,换源或者怎么样,直连非常慢.

1	pip install tensorflow

GPU 驱动

CUDA10.1 以上官网给的要求是 418.x 以上驱动.如果不是在 NVIDIA 驱动程序下载下载.

CUDA/cuDNN

在很多文章中提到要到官网对照 tf 版本和 cuda/cuDnn 的版本,在 Build from source on Windows 查找版本对应关系.有时对应关系查不到,请切换到英文版本.

2.2 版本却是 cuda10.1 和 cuDnn7.4 但是 cuDnn7.4 根本就没有对应 cuda10.1 的版本.
2.5 对应的是 cuDNN 8.1 和 CUDA 11.2.

安装 CUDA

比较坑的一点是你需要先安装 Visual Studio 2019,cuda 安装时需要编译点什么东西.下载 Visual Studio 2019 Community 一路默认配置即可.
CUDA Toolkit Archive 下载 cuda 版本, 2~3 G 之间,最好不要使用其他渠道下载.
一路默认配置安装到底.
默认是在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v版本号 看到有文件了,即安装成功.

安装 cuDNN

cudnn 需要注册一个账户,基本什么邮箱都可以.
一定要选择对应 cuda 版本的 cudnn,这里是 cudnn-10.1-windows10-x64-v7.6.5.32.
解压后文件夹的 /bin /include /lib 都复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v版本号.

测试

进入 tf 的虚拟环境

import tensorflow as tf
a = tf.test.is_built_with_cuda() # 判断CUDA是否可以用
b = tf.test.is_gpu_available(cuda_only=False,min_cuda_compute_capability=None) # 判断GPU是否可以用
print(a)
print(b)

最后输出 True True 表明 cuda 和 gpu 可用了.

坑

在 import tensorflow as tf 遇到的两个问题

Could not find the DLL(s) 'msvcp140_1.dll',这里需要到提示 the-latest-supported-visual-c-downloads 下载支持包,安装一下即可.
Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found,cudart64_101.dll 是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin 下的一个文件,如果提示缺失到 CUDART64_101.DLL 下载,解压后添加到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin 下,重启即可.

结语

~~正式开始机器学习的入门,希望能啃下来…~~

最终算是额外耽误了一年的时间,时间不等人,加油.