使用GPU运行大型神经网络比CPU快非常多

安装

安装前先确认你的GPU是不是能支持，用谷歌搜索“你的GPU型号+SPECIFICATION”，在官网查它是否支持CUDA

1.安装ANACONDA

ANACONDA打开时可能比较卡，创建虚拟环境时可能失败。建议使用Anaconda Prompt命令行窗口

conda create -n my_env python=3.6

activate my_env

pip install -i https://pypi.douban.com/simple jupyter

pip install -i https://pypi.douban.com/simple tensorflow-gpu==1.12.0

tensorflow-gpu 的版本需要注意，版本太高运行可能会报错。一般tensorflow-gpu版本需要与 CUDA以及 cuDNN的版本匹配好。

安装CUDA

请看清楚你需要的TENSORFLOW型号，以及它需要的环境！有人问在哪里看型号，这个在TENSORFLOW的官网上可以查到 https://www.tensorflow.org/install/source_windows

下载地址：

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

CUDA Toolkit Archive下载9.0版本

https://developer.nvidia.com/cuda-9.0-download-archive

安装cuDNN

切记要把自己duda的版本看清楚再来下

下载地址：

https://developer.nvidia.com/rdp/cudnn-archive#a-collapse730-9

https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.4.38/Production/9.2_20190923/cudnn-9.2-windows10-x64-v7.6.4.38.zip

下载的是7版本，下载好就解压到c盘，并且配置好环境变量。

把cudnn中的文件复制到对应文件夹中 C:\cuda -> C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

使用

运行下面代码测试

import tensorflow as tf


# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True))
# Runs the op.
print(sess.run(c))

报错的话试试 要加session的config

conf = tf.ConfigProto(allow_soft_placement=True)
with tf.Session(config=conf) as sess:

吐血总结

tensorflow-gpu版本为：1.13.1

cuda版本为10.0 千万别下错成最新的10.2

cudnn下载 一定要看清楚for cuda 10.0

三个版本的对应非常重要！！！

对应关系可以参考：https://tensorflow.google.cn/install/source_windows

注意：千万不要用错了配置，别是windows却用了linux的配置啊！！！

kears 安装

首先查看https://docs.floydhub.com/guides/environments/

然后选择对应kears版本安装。