首先要保证你的GPU对CUDA的兼容性是大于等于3.0的,参考这里:CUDA GPUs | NVIDIA Developer
我的显卡是 GeForce GT 640M ,正好是支持3.0的。
一、安装CUDA® Toolkit 8.0
目前版本的tensorflow只支持8.0版本的CUDA,CUDA官网的最新版是9.0
从这里下载历史版本:CUDA Toolkit Archive | NVIDIA Developer
我下载的是CUDA Toolkit 8.0 GA2 (Feb 2017)
因为显卡的驱动和CUDA必须要配套的,安装CUDA前需要先卸载以前安装的显卡驱动。安装CUDA8.0后,可以发现它自带的显卡驱动版本是376.51版本。
二、安装cuDNN v6.0
NVIDIA cuDNN | NVIDIA Developer
需要注册一个账号,CUDA8.0对应的版本是cuDNN v6.0
Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0
下载后解压,把 bin,include 和 lib 三个文件夹复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0 目录下,和原先的目录直接合并就可以了。
三、安装Anaconda
我下载的版本是 Anaconda3-5.0.1-Windows-x86_64 python3.6的版本:https://www.anaconda.com/download/
安装后打开Anaconda Navigator,在Environment中新建一个环境
安装tensorflow-gpu
四、测试
我的笔记本是双显卡,测试前需要设置全局应用独立显卡。
否则在运行 tf.Session() 时会出现 “设备是不可移动的,无法弹出或拔出” 的错误
然后打开 python 环境
测试代码:
1 2 3 4 |
import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello)) |
很详细
唉,我的GT640M le 就不行啊,官网说可以的,但是运行后说不行,最小3.0.我的2.1