@BruceWang
2018-01-09T09:52:54.000000Z
字数 3365
阅读 3144
环境配置
先看看你的GPU 支持的CUDA 和CUDNN 版本:从这里
还有了解一下你的GPU: GPU计算能力一览表
再看看是否用tf,如果用TF注意了:CUDA只支持 计算能力 3.0 以上的,从这里查看是否支持,或者这里
再下载需要的文件和软件:
VS2015:
cn_visual_studio_enterprise_2015_x86_x64_dvd_6846222Anaconda4.2 :
Anaconda3-4.2.0-Windows-x86_64CUDA8.0 :
cuda_8.0.44_win10CUDNN6.0 :
cudnn-8.0-windows10-x64-v6.0drivers
for NvidiaVS2015安装,这个老生常谈了,不说啦。
Anaconda : 全部勾选就装好了。
CUDA 安装: 这里有安装教程,这个很简单。
CUDNN 安装: 同上,这个文档里面有,如果英文能力稍弱,那就看这里。
安装下列包之前,请先跳到 2.测试CUDA
, 是否安装成功。
接下来为了避免安装过程出现错误,我们需要创建一个虚拟环境,如何用conda
创建
需要学习一下了,win10下conda 使用教程
tensorflow-gpu版安装: pip install tensorflow-gpu
keras 安装: pip install keras
, 使用conda install keras
会把CPU版的Tensorflow也装上。
测试之前,先使用VS2015编译
搜索:Sample_vs2015
如下图。
编译: Release x64
编译完成,debug一下吧。
测试一下: 按照下图输入。
如果符合就继续这一步
这里注意:cd 到 下图中的目录,执行deviceQuery.exe,出现下图说明你很厉害,成功了。
等你把tensorflow-gpu、keras装好了,debug一下。
接下来注意了,运行这个文件。
如果出现下列信息,恭喜你!安装成功。
(py35_gpu) C:\Users\aixin>python C:\Users\aixin\Desktop\tf_install_scripts.py
TensorFlow successfully installed.
The installed version of TensorFlow includes GPU support.
(py35_gpu) C:\Users\aixin>
当我运行我自己的网络时候发现
Training
2018-01-01 11:37:44.267451: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\35\tensorflow\core\platform\cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
2018-01-01 11:38:08.293880: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\35\tensorflow\core\common_runtime\gpu\gpu_device.cc:1030] Found device 0 with properties:
name: GeForce GT 610 major: 2 minor: 1 memoryClockRate(GHz): 1.62
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.65GiB
2018-01-01 11:38:08.294297: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\35\tensorflow\core\common_runtime\gpu\gpu_device.cc:1093] Ignoring visible gpu device (device: 0, name: GeForce GT 610, pci bus id: 0000:01:00.0, compute capability: 2.1) with Cuda compute capability 2.1. The minimum required Cuda capability is 3.0.Epoch 1/30, Time: 958.5767695903778
1>其中有一句:
Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
2>还有一个错误
Ignoring visible gpu device (device: 0, name: GeForce GT 610, pci bus id: 0000:01:00.0, compute capability: 2.1) with Cuda compute capability 2.1. The minimum required Cuda capability is 3.0.
如何解决?
答案:过程很复杂。。我先后查看了,stackflow 和 知乎
最后我从 这里 发现:
再看看我的GPU:
Found device 0 with properties:
name: GeForce GT 610 major: 2 minor: 1 memoryClockRate(GHz): 1.62
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.65GiB
与计算能力表对照:2.1 。。。 还让我各种debug,原来人家就不支持小计算能力的显卡
GeForce GT 610: 2.1
那有没有办法在2.x下GPU,使用t'fensorflow实现加速呢?
各种查stackflow。在这里找到解决
办法:Nooooooooooooooooooooooo!!!
最后解决办法: 换显卡
那么选哪个呢?
京东看看,一看傻眼了。
各种网上deep digging!!!
从这里:深度学习的GPU:深度学习中使用GPU的经验和建议
写的很全面:基本回答了:
1> 需要多GPU并行么?
2>选哪个品牌?
3>选定厂商之后,选哪个系列?
深度学习平台安装 Win10+GPU+Tensorflow 2017.11
你可以从这里下载本文需要资源
链接:https://pan.baidu.com/s/1c2o9pny 密码:cv89
如果你有什么疑问或者想要转载,没有允许是不能转载的哈
赞赏一下能不能转?哈哈,联系我啊,我告诉你呢 ~~
欢迎联系我哈,我会给大家慢慢解答啦~~~怎么联系我? 笨啊~ ~~ 你留言也行
你关注微信公众号1.听朕给你说:2.tzgns666,3.或者扫那个二维码,后台联系我也行啦!
(爱心.gif) 么么哒~么么哒~么么哒
爱心从我做起,贫困山区捐衣服,为开源社区做贡献!码字不易啊啊啊,如果你觉得本文有帮助,三毛也是爱!真的就三毛,呜呜。。。