GPU支持


参考https://blog.51cto.com/youerning/2400103

安装Python lib库

pip install tensorflow tensorflow-gpu

如果报错,我们需要升级一下numpy pip install -u numpy

使用ipython导入,如果安装成功,就会出现下面这个

安装必要的依赖

安装visualstudio 这个我之前就安装了的,我安装的是2019的版本

注意

cuda要安装10.1的版本,要不然TensorFlow会无法识别。。。

安装 cuda toolkits

下载地址https://developer.nvidia.com/cuda-toolkit-archive 这个是下载历史版本的链接

版本:CUDA toolkits 10.1

安装cudnn

cudnn 7.6.5

https://developer.nvidia.com/cudnn

安装完毕后我们把这些东西加入环境变量

大家参考下面这种的来就行

C:\tools\cuda\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64

注意配置好环境变量,然后还要重启一下电脑

我们使用下面这个程序来进行测试

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


if __name__ == "__main__":
    # GPU初始化
    cpu_time = timeit.timeit(cpu_run, number=10)
    gpu_time = timeit.timeit(gpu_run, number=10)
    print('warmup:', cpu_time, gpu_time)

    # 开始计算运行时间(我们计算10次来保证实验的严谨性)
    cpu_time = timeit.timeit(cpu_run, number=10)
    gpu_time = timeit.timeit(gpu_run, number=10)
    print('run time:', cpu_time, gpu_time)

测试结果,如果发现下面那个执行时间大大缩短,说明我们的gpu加速成功启动了!


文章作者: 小游
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 小游 !
  目录