在 Win10+GeForce RTX2080Ti上搭建 Anaconda+CUDA+CUDNN+Tensorflow-GPU 筆記

最近小編開始走往 AI 的領域,從架設 Anaconda 到撰寫 Python 的心得,都會分享這裡!最近學習 Tensorflew 深度學習編程,趁著剛入手一台高規格的主機搭配 EVGA RTX2080Ti 11GB FTW3 ULTRA BP GAMING iCX2 GDDR6 顯卡,先記錄一下在 Windows 10 平台上安裝 Anaconda + CUDA + CUDNN + Tensorflow-gpu 的歷程。

先說明一下  Nvidia GPU、Python 與 Tensorflow 的關係:
Python 為最上層的軟體,透過 Tensorflow 的框架進行深度學習,而 Tensorflow 透過 CUDA Toolkit 來連結GPU,讓GPU 的眾多核心能夠接受指令實際地執行運算,而 cuDNN 則是 Nvidia 針對神經網路提供的加速器。

Python -> Tensorflow -> CUDA Toolkit -> GPU。

其實從從 Tensorflow 官網 GPU Support 中 Software requirements 就知道使用 GPU 需要什麼軟體(如下圖)!另外有一個很大的重點就是每個功能的版本都是必須要搭配好的,不是你喜歡哪個新版舊版就可以互相嘎在一起!後面在使用時就會有很多的錯誤訊息讓你抓狂的 …

Nevida GPU 驅動程式更新
先確認顯卡是否支援 CUDA,請至 Nvidia官網 確認你的顯卡是否有支援 CUDA,如下圖:

再來在根據 Tensorflow 官網 Build form source – Windows 下表想安裝的 Tensorflow 版本找到搭配 CUDNN 及 CUDA 版本。

以及從 Nvidia Developer zone 官網 CUDA Toolkit Documentation 找出對應出你所使用平台之 GPU 驅動程式應該要安裝什麼版本。舉例來說,小編會使用 Tensorflow 1.14 版本,CUDA toolkit 及 CUDNN 按上表則為10、7.4,而我的 Windows 10 的 GPU 驅動就要升級至411.31 版本以上。

接下來確認你的顯卡 GPU 是不是這個要求以上的版本,確認方式很簡單,你只要打開系統中的 Nevidia 控制面板就可以看到你的 GPU 版本!

若你需要安裝顯卡最新的驅動程式,從Nvidia 官網中找最新的Driver並把驅動程式更新至最新即可。因為小編的顯卡版本是 432.00,已經超過基本需求,所以就不特別更新到最新的版本囉。

安裝 Anaconda & Tensorflow-gpu
硬體驅動程式準備好後,就可以開始安裝架設環境啦!直接安裝 Anaconda,請至官網下載安裝程式,選擇 Pytthon 3.7 的版本。

然後直接安裝(基本上都是用預設值即可)。




安裝完成,執行一下 Anaconda Navigator,看是否能夠正常執行。

設定環境變數
安裝時建議選擇將 anaconda 加入環境變數,若你像小編依樣沒有選擇,在命令提示字元中會有無法直接使用 conda 指令,所以到系統 -> 進階系統設定 -> 進階 -> 環境變數 -> 在系統變數的地方找到「Path」點選編輯並新增這三個路徑。
C:\Users\[當前使用者目錄]\Anaconda3\
C:\Users\[當前使用者目錄]\Anaconda3\Script
C:\Users\[當前使用者目錄]\Anaconda3\Library\bin

安裝Tensorflow(GPU版本)
使用以系統管理員身分執行方式開啟 Anaconda Prompt。

輸入 conda install tensorflow-gpu=1.14

Anaconda 會自動幫我們將版本 Tensorflow 所需的 CUDA toolkit 及 CUDNN 都會一起安裝,如下圖所示,確認版本沒問題直接輸入 y 開始安裝!

安裝完成後,輸入 conda list,查看已經安裝的所有套件,如下圖確認你需要的軟體版本都正確。

測試安裝環境是否成功
一樣在 Anaconda Prompt 下,輸入以下指令
python
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
出現如下圖紅框裡,表示有找到 GPU,並啟動 CUDA toolkit 成功,這樣就代表順利安裝完 Tensorflow 1.14 的環境囉!

發表留言

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料