安裝cuda 的一天

• 使用實驗室同學下載好的cuda安裝報錯

文件直接傳：7zip Data error:

原因是安裝文件損壞，重新下載

安裝包下載

cuda 10.0版本

官網安裝中斷：

開了vpn會影響下載的中斷，這個時候關掉vpn

下載cudnn與cuda對應版本

我安裝的是tensorflow-gpu==1.14.0

對于cuda版本10.0

cudnn = =7.5.0，這個在下載的時候要和cuda 版本對應

安裝cuda

安裝過程網上參考博客很多（我基本是下一步）

下載好cudnn和cuda 版本之后，復制cudnn到cuda v10下的對應目錄下

下載好的cudnn解壓之后只有三個文件夾，分別是：bin,lib,include

關鍵：把這三個文件夾內的文件分別拷貝出來，然后復制到上圖上面對應名字的文件夾內就好，這個時候cudnn文件夾就完成了他的使命；

================================================================================

添加環境變量

安裝cuda的時候要勾選自動添加系統變量，這樣就不用手動添加一部分了；

第二步，添加環境變量在path 中

右鍵此電腦===》選擇屬性===》選擇高級===》選擇高級系統變量===》在高級選項下點擊環境變量===》 在系統變量下找到變量名對應的名稱為path===》 點擊編輯

添加這三個路徑到環境變量中；

由于我安裝兩個版本的cuda，這個時候使用tensorflow -gpu之后就是系統可以自由 切換到與tensorflow對應的cuda版本。不會出現沖突的現象；

如果你打算刪掉之前的cuda版本，你要想卸載之后還要清空注冊表，不然會出現沖突現象，所以，做一件事情之前要先調研好一切可能發生的情況；

• Error

  https://blog.csdn.net/qq_37099552/article/details/105023680

  importError:Could not find ‘cudnn64_7.dll’

  我安裝完cuda 之后運行tensorflow 出現這個錯誤，原因是因為我還沒有將cudnn對應的文件放到cuda 對應的文件夾下，提示也很明顯，我沒有cudnn，而且版本還是cudnn64_7.提示我要安裝版本為7的cudnn;

注意=：將cudnn中對應的文件夾內的東西復制出來黏貼，而不是 整個文件夾復制

安裝成功后

使用時警告：

• I tensorflow/core/common_runtime/bfc_allocator.cc:800] InUse at 0000000703A00000 next 1 of size 1280

• (0) Resource exhausted: OOM when allocating tensor with shape[200,320,17,17] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc

  上面這些問題都是由于gpu內存不夠導致的；

  gpu內存不夠

  降低batch_size

  神經網絡的深度減少

  • 參考安裝地址

  • https://blog.csdn.net/jhsignal/article/details/111401628

    安裝cudnn需要注冊和登錄

    https://gtc21.event.nvidia.com/

  • 測試tensorflow 是否可以使用

  • import tensorflow as tfprint (tf.test.is_gpu_available())# return True 表示可以使用

獨顯和集顯

https://zhuanlan.zhihu.com/p/36575387

• 忽視gpu警告

import tensorflow as tf
os.environ[“TF_CPP_MIN_LOG_LEVEL”] = “3” #只顯示error信息
tf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.ERROR)

import warnings
warnings.filterwarnings(“ignore”)

==========================================================2020-04-21

總結

以上是生活随笔為你收集整理的【tensorflow】安装cuda10.0 and cudnn 7.5.0 and tensorflow-gpu==1.14.0的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。