让tersorflow利用GPU飞起来-MX150-创新互联

在深度学习训练的时候使用GPU而不是CPU我想已经是不争的事实了，虽然MX150并不在下面的官网列表，但是其实MX150也是支持CUDA的。

创新互联建站专业提供成都主机托管四川主机托管成都服务器托管四川服务器托管，支持按月付款！我们的承诺：贵族品质、平民价格，机房位于中国电信/网通/移动机房，成都服务器托管服务有保障！

https://developer.nvidia.com/cuda-gpus

环境

小米笔记本Air 13

OS: win10
CPU: I7 7500U
GPU: MX150
GPU驱动: 425.25
tensorflow: 1.13.1
tensorflow-gpu: 1.13.1
visual studio: 2019

安装TensorFlow

现在TensorFlow的whl文件已经打包的非常好了，基本上是可以安装上的，但是如果没有CUDA之类的驱动的话，在导入tensorflow的时候会报错。

pip install tensorflow tensorflow-gpu

安装依赖

为了装上英伟达的CUDA套件还需要安装visual studio, 因为windows的相关编译环境跟visual studio绑在了一起，即使你只想装其中一部分，还是得装上visual studio

安装visual studio

而windows的安装程序不会太难，就是下一步，下一步。

安装 cuda toolkits

CUDA toolkits 10.0

https://developer.nvidia.com/cuda-zone

默认安装即可，下一步下一步。

安装cudnn

cudnn 7.6.0.64

https://developer.nvidia.com/cudnn

注意千万不要贪最新的版本，tensorflow官方不一定支持!

cudnn解压后放在C:\tools\cuda

最后加入环境变量:

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

官方说明如下:

软件要求
必须在系统中安装以下 NVIDIA® 软件：
NVIDIA® GPU 驱动程序 - CUDA 10.0 需要 410.x 或更高版本。
CUDA® 工具包 - TensorFlow 支持 CUDA 10.0（TensorFlow 1.13.0 及更高版本）
CUDA 工具包附带的 CUPTI。
cuDNN SDK（7.4.1 及更高版本）
（可选）
TensorRT 5.0，可缩短在某些模型上进行推断的延迟并提高吞吐量。

参考页面:
https://www.tensorflow.org/install/gpu

各个版本的兼容测试情况
https://www.tensorflow.org/install/source#linux

安装参考:

https://towardsdatascience.com/installing-tensorflow-with-cuda-cudnn-and-gpu-support-on-windows-10-60693e46e781

https://medium.com/@johnnyliao/%E5%9C%A8nvidia-mx150%E7%9A%84win10%E5%AE%89%E8%A3%9Dcuda-toolkit-cudnn-python-anaconda-and-tensorflow-91d4c447b60e

另外有需要云服务器可以了解下创新互联cdcxhl.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

文章标题：让tersorflow利用GPU飞起来-MX150-创新互联
本文来源：http://scjbc.cn/article/dpgdji.html