Visual Studio 2019下配置 CUDA 10.1 + TensorFlow-GPU 1.14.0

環境

Windows 10 64位

Visaul Studio 2019

Anaconda 1.9.7

Python 3.7

CUDA Toolkit 10.1.120

CUDNN 7.6.1.34

TensorFlow-GPU 1.14.0

1. 安裝 Visual Studio 2019

   VS號稱宇宙最強IDE，接觸以來從未讓人失望過，可直接在官網下載。 從 Visual Studio 2017 開始，就集成了Python模塊用于對機器學習的支持，其安裝方式也新增了在線安裝，安裝時可以選擇需要的組件進行安裝即可，只是時間略久。安裝界面如下：

在 單個組件 中可以選擇安裝 Python 3.7 版本，但是后續需要安裝 Anaconda ，為方便對 包 統一管理以及環境搭建，此處可以略過。

注：選擇安裝位置時，記住 共享組件、工具和SDK 的位置，后面安裝 Anaconda 時會用到。

2. 安裝 CUDA

(1) CUDA™是一種由NVIDIA推出的通用并行計算架構，該架構使GPU能夠解決復雜的計算問題。首先需要查看自己電腦的N卡支持的 CUDA 版本，打開 NVIDIA 控制面板——幫助——系統信息——組件：

  博主的 NVCUDA 版本為 10.1.120，因此下載 CUDA 10.1 的 版本。

  安裝類型包括 在線安裝 和 本地安裝，在網速允許的情況下可以選擇在線安裝。

(2) 在安裝之前，要先關閉安全軟件，否則很可能提示組件安裝失敗。 安裝空間大概一個多G，要是C盤空間足夠，最好選擇默認的安裝位置，避免不必要的環境配置問題，默認安裝位置為 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1。

(3) 接下來需要添加一波環境變量

$ CUDA_PATH: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
$ CUDA_PATH_V10_1: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
$ CUDA_BIN_PATH: %CUDA_PATH%\bin 
$ CUDA_LIB_PATH: %CUDA_PATH%\lib\x64 
$ CUDA_SDK_PATH: C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
$ CUDA_SDK_BIN_PATH: %CUDA_SDK_PATH%\bin\win64 
$ CUDA_SDK_LIB_PATH: %CUDA_SDK_PATH%\common\lib\x64

然后在 系統變量 的 Path —— 新建，添加四條信息

$ %CUDA_BIN_PATH%
$ %CUDA_LIB_PATH%
$ %CUDA_SDK_BIN_PATH%
$ %CUDA_SDK_LIB_PATH%

(4) 配置完成后，使用 CUDA 的內置工具驗證配置是否成功。win+R 啟動 cmd，然后 cd 到安裝目錄 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite 下，分別執行 deviceQuery.exe 和 bandwidthTest.exe，輸出信息如下：

若上述都返回 Result = PASS，則表示 CUDA 配置成功。

3. 安裝 CUDNN

(1) 選擇與 CUDA 版本想匹配的 cuDNN 版本。在下載時需要先在官網進行注冊。

(2) 將下載文件解壓縮，然后把里面 bin、include 以及 lib 文件夾中的文件分別復制到 CUDA 安裝目錄 的 bin、include 以及 lib 文件夾下面。

4. 安裝 Anaconda

(1) Anaconda 提供了包含 Python在內的180多個科學包及其依賴項，直接在 Anaconda 官網 選擇下載最新版本。

(2) 為了避免在 Visual Studio 2019 IDE 中配置 Anaconda，直接將其安裝在 VS 的共享路徑下面。博主的VS 安裝目錄為 D:\Microsoft Visual Studio ，共享路徑為 D:\Program Files (x86)\Microsoft Visual Studio\Shared。

(3) 打開 Visual Studio 2019 ，新建一個 Python 項目，View —— Other Windows —— Python Environments，此時會顯示 Anaconda 的安裝環境。

此時默認的環境名稱為 Anaconda 2019.03，強迫癥患者表示很不爽，可以在注冊表更改顯示名稱。

   1）打開注冊表：win + R —— regedit

   2）導航到 HKEY_LOCAL_MACHINE\SOFTWARE\Python（32 位解釋器）

        或 HKEY_LOCAL_MACHINE\SOFTWARE\WOW6432Node\Python（64 位解釋器）

   3）展開與分發匹配的節點，Anaconda 為 ContinuumAnalytics

   4）修改 DisplayName 對應的數值數據，如 Anaconda37。此時 VS 中 Python 環境的名稱也將相應被更改。

5. 安裝 TensorFlow-GPU

(1) 如果直接用命令行的形式在線下載安裝，其下載版本可能與 CUDA 版本不兼容。也可以在 Anaconda Navigator 中安裝TensorFlow , 但是其版本為1.9.0。本博文安裝最新的版本【截至更博日期，最新版本為TensorFlow 1.14.0 Stable 和 TensorFlow 2.0 Beta】，因此，本文下載 GitHub 大神 的 whl 文件。保存在本地任意位置（博主的地址為：D:\AppPackages\TensorFlow）。

(2) 在 VS 的 Python Environments 中點擊 Open in PowerShell

(3) 在命令行輸入安裝指令：pip install D:\AppPackages\TensorFlow\tensorflow_gpu-1.14.0-cp37-cp37m-win_amd64.whl

6. 驗證測試

在工程 .py 文件中輸入代碼：

import tensorflow as tf
import os

#os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'

greeting = tf.constant('Hello Google Tensorflow!')
sess = tf.compat.v1.Session()
result = sess.run(greeting)
print(result)
sess.close()

若控制臺輸出 GPU 相關信息 以及代碼的輸出信息 b'Hello Google Tensorflow!'，則環境搭建成功！

Note： tensorflow_gpu-1.14.0 中棄用了部分代碼的接口，改用新的接口，如 tf.Session() 改為 tf.compat.v1.Session()，tf.placeholder 改為 tf.compat.v1.placeholder 。

到此這篇關于Visual Studio 2019下配置 CUDA 10.1 + TensorFlow-GPU 1.14.0的文章就介紹到這了,更多相關Visual Studio 2019配置CUDA TensorFlow-GPU內容請搜索億速云以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持億速云！