tensorflow2.0-gpu版本安裝

　　初學DeepLearning，看到TensorFlow和pytorch框架用戶數和討論數比較多，最后選擇上手TensorFlow2.0版本。因為搜索了一圈總結：TensorFlow用戶基數還是比較大；2.0版本也改進了1.0版本代碼編寫、調試困難和API混亂等缺點，使其也有了pytorch好上手的優點。

　　TensorFlow有cpu和gpu兩個版本，gpu可以並行處理，因此gpu版本運行起來更快，但需要有NVIDIA顯卡，且顯卡算力有一定要求。我的筆記本顯卡是：NVIDIA GeForce MX250。以下是在win10安裝TensorFlow2.0-gpu的步驟：

　　1、安裝之前需要有anaconda，這個我之前裝了就不寫了；

　　　查看我們機器的NVIDIA顯卡算力是否滿足gpu計算要求：https://www.tensorflow.org/install/gpu

　　

　　顯卡算力查詢：https://developer.nvidia.com/cuda-gpus

　　我的MX250在官網沒查到，百度了一下說滿足要求，就繼續安裝了。最后我安裝完成測試時看到了我的顯卡算力是6.1

　　2、pip安裝TensorFlow-gpu

　　用阿里雲的鏡像源下載安裝：cmd執行：

　　pip install --default-timeout=100 --ignore-installed --upgrade tensorflow-gpu -i https://mirrors.aliyun.com/pypi/simple/

　　3、https://www.tensorflow.org/install/source_windows查看CUDA、cuDNN要下載的版本

 

 

 　　我的python版本是Python 3.7.6，可以安裝2.0版本，另外需要安裝cuDNN7.4，CUDA10，中間的編譯器和構建工具不知道是什么沒理，最后也不影響。

　　#python版本查詢：python -V

　　#python安裝路徑：where ipython

　　4、https://developer.nvidia.com/cuda-toolkit-archive，下載對應版本的CUDA，我下載的是10.2版本，安裝過程就是一直點點點，如果你不放心的話可以找別的資料參照下具體過程。另外，我搜到有人裝的10.0版本的，不知道區別大不大。我選擇的是默認安裝路徑：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

　　5、https://developer.nvidia.com/cudnn，下載對應版本的cuDNN，我下載的是cudnn-10.2-windows10-x64-v8.0.2.39.zip。這里我下錯了，導致后面運行時候有點小問題（具體下面說），我下成8.0版本了。下載前需要進行注冊賬戶和填寫問卷。

 　　我只看到“for CUDA 10.2”就下了，其他歷史版本在Archived cuDNN Releases里可以找到。下載得到的壓縮包，就地解壓后將里面的bin、include、lib里邊的文件放到CUDA的對應文件夾下（我的是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2）。

　　6、添加環境變量：電腦 -> 右鍵 屬性 -> 高級系統設置 -> 環境變量 -> 系統變量里找到Path -> 編輯 -> 新建，將以下4個分別加上去。

　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp

　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib

　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include

　　7、測試：

　　一、cmd中測試：

　　activate tensorflow

　　ipython

　　import tensorflow as tf　　　//結果不報錯即正常

　　tf.test.is_gpu_available()　　//最后結果顯示True即gpu可以使用

　　二、pycharm中測試：

　　（1）加法測試，不要用1.x版本的session方式來測試，因為還要通過import tensorflow.compat.v1 as tf　　tf.disable_v2_behavior()來啟用1.x版本的代碼編寫方式，這就是2.x想解決的一個TensorFlow缺點，直接用以下代碼即可：

import tensorflow as tf

a = tf.constant(1.)
b = tf.constant(2.)
c = tf.add(a,b)

print(float(c))

 

　　（2）矩陣相乘測試，cpu和gpu分別計算10000×1000矩陣和1000×2000矩陣相乘的結果，輸出2個運算的時間。

import tensorflow as tf
import timeit

with tf.device('/cpu:0'):
    cpu_a = tf.random.normal([10000, 1000])
    cpu_b = tf.random.normal([1000, 2000])
    print(cpu_a.device, cpu_b.device)

with tf.device('/gpu:0'):
    gpu_a = tf.random.normal([10000, 1000])
    gpu_b = tf.random.normal([1000, 2000])
    print(gpu_a.device, gpu_b.device)

def cpu_run():
    with tf.device('/cpu:0'):
        c = tf.matmul(cpu_a, cpu_b)
    return c

def gpu_run():
    with tf.device('/gpu:0'):
        c = tf.matmul(gpu_a, gpu_b)
    return c


cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)


cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)

輸出結果：

 　　8、測試時遇到的問題：

　　Could not load dynamic library ‘cudart64_101.dll’; dlerror: cudart64_101.dll not found，還有個是沒找到cudart64_7什么的文件

　　解決：在CUDA安裝路徑下（我的是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2）搜索缺失的dll文件，將搜到的cudart64_102.dll改為cudart64_101.dll，另一個cudart64_7的也同理。