您当前的位置:首页 > 计算机 > 系统应用 > Windows

CUDA、CUDNN在windows下的安装及配置

时间:06-27来源:作者:点击数:

一、安装前的准备

(1)查看自己N卡支持的CUDA版本,打开NVIDIA控制面板,选择系统信息

查看系统信息

CUDA10.1

NVIDIA控制面板下  系统信息 显示:CUDA10.1。这里CUDA10.1是支持的最高版本的CUDA,可以向下兼容,且可以安装多个版本的CUDA,可以通过更改环境变量来更改为你需要用到的CUDA版本。CUDA多版本共存请参考文章: Windows下CUDA多版本共存

(2)NVIDIA官网下载对应CUDA版本

CUDA下载地址:CUDA Toolkit Archive | NVIDIA Developer


下载CUDA10.1
(3)CUDNN的下载

官网下载地址:https://developer.nvidia.com/rdp/cudnn-download

没有账号需要注册账号,账号登录后,找到自己对应的CUDA版本,点击下载


注册或者登录

登录账号

自定义填写即可

CUDNN下载

二、安装过程

(1)安装CUDA

安装路径,选择OK(安装完成后路径会自动变化,所以这里路径选择默认就好)


自定义安装

取消勾选GeForce Experience 

如果电脑上本身就有Visual Studio Integration,要将这个取消勾选,避免冲突了

点开Driver comonents,Display Driver这一行,前面显示的是Cuda本身包含的驱动版本是411.31

如果你电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号,那一定要把这个勾去掉。否则会安装失败(相同的话,也不用去勾选)


只选CUDA不然会失败

CUDA的安装位置可以自定义,系统默认是在系统盘C盘,为了方便日后管理,可以安装到非系统盘的其他盘 

这几个文件夹,用户手动创建

D:\360Downloads\CUDA10.0\NVIDIA GPU Computing Toolkit\CUDA\v10.0

D:\360Downloads\CUDA10.0\NVIDIA Corporation\CUDA Samples\v10.0


安装完成

打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin ,查看nvcc.exe

有这个nvcc.exe就说明CUDA安装已成功

打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64,查看有没有cuti64_101.dll

有这个cuti64_101.dll就说明CUPT1已成功

(2)配置CUDNN

解压CUDNN后,将对应的bin、lib、include与CUDA10.1对应的bin、lib、include进行合并。 

(3)配置环境变量

安装完CUDA后,CUDA会自动添加到环境变量中

CUPTA和CUDNN还没有加进来,所以必须将它们添加到路径,这样使用Tensorflow的时候才不会报错

手动添加CUPTI和CUDNN的环境变量如下图:

D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64;

D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;

D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;

D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\libx64;

D:\360Downloads\CUDA10.1\NVIDIA Corporation\CUDA\Samples\v10.1\bin\win64;

D:\360Downloads\CUDA10.1\NVIDIA Corporation\CUDA\Samples\v10.1\common\lib\x64
(4)测试CUDA

CUDA的版本是10.1

(5)查询显卡算力

进入目录 deviceQuery.exe
>> cd D:\360Downloads\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite

运行 deviceQuery.exe
>> ./deviceQuery.exe

三、 TensorFlow 2.0 安装与测试

安装tensorflow-gpu==2.0.0-beta1
>> pip install tensorflow-gpu==2.0.0-beta0

在Anaconda虚拟环境中测试一下 tensorflow是否安装成功

测试成功,说明gpu版本已经安装成功

四、CUDA多版本共存

参考文章:Windows下CUDA多版本共存

五、可能出现的问题

Q:显卡驱动、CUDA版本不匹配

tensorflow各个版本的CUDA以及Cudnn版本对应关系

显卡驱动、CUDA版本不一致的问题,需要按照前面的步骤查看当前显卡驱动所支持的CUDA版本,去NVIDIA官网下载对应版本的CUDA。


版本不一致问题

Q:ImportError: Could not find 'cudart64_100.dll'错误

  • tensorflow - 仅支持 CPU 的最新稳定版(建议新手使用)
  • tensorflow-gpu - 支持 GPU 的最新稳定版(适用于 Ubuntu 和 Windows)
  • tf-nightly - 仅支持 CPU 的预览每夜版(不稳定)
  • tf-nightly-gpu - 支持 GPU 的预览每夜版(不稳定,适用于 Ubuntu 和 Windows)
  • tensorflow==2.0.0-beta1 - 仅支持 CPU 的预览 TensorFlow 2.0 测试版(不稳定)
  • tensorflow-gpu==2.0.0-beta1 - 支持 GPU 的预览 TensorFlow 2.0 测试版(不稳定,适用于 Ubuntu 和 Windows)

----------------------

解决方案,参考文章

tensorflow遇到ImportError: Could not find 'cudart64_100.dll'错误解决

彻底解决tensorflow:ImportError: Could not find 'cudart64_90.dll'

我的解决方案:

tensorflow-gpu==2.0.0-beta1 - 支持 GPU 的预览 TensorFlow 2.0 测试版(不稳定,适用于 Ubuntu 和 Windows),该版本不稳定,卸载重装一个稳定版即可

1. 卸载
>> pip uninstall tensorflow-gpu

2. 重新下载安装稳定版
>> pip install tensorflow-gpu

卸载

卸载成功

安装稳定版

安装成功

如果在稳定版的tensorflow下测试,还是不行,那就只能是CUDA与CUDNN之间的版本问题了。因为当前显卡驱动是支持CUDA10.1的,那我试下当前 显卡驱动是否支持CUDA10.0,然后CUDNN也是下载CUDA10.0所对应的版本

 现在系统中是有两个版本的CUDA和两个版本的CUDNN,同时配置好CUDA10.0和对应CUDNN的相关环境变量,用相同的方法测试

测试成功,说明gpu版本已经安装成功

Q:tensorflow-gpu ImportError: DLL load failed:找不到指定的模块

错误原因:CUDA版本与Tensorflow版本冲突

解决方案:卸载CUDA10.1,重新装CUDA10.0,同时添加对应的CUDNN,具体操作方法如上

Q:ImportError: Nomodule named '_pywrap_tensorflow_internal'

错误原因:

CUDA10.1与tensorflow-gpu版本冲突

解决方案:同问题(3)的解决方案。

方便获取更多学习、工作、生活信息请关注本站微信公众号城东书院 微信服务号城东书院 微信订阅号
推荐内容
相关内容
    无相关信息
栏目更新
栏目热门