首页 > 代码库 > TF-搭建tensorflow-gpu GPU环境
TF-搭建tensorflow-gpu GPU环境
看完官方的例子，自己凭着记忆敲出来mnist卷积的例子。跑起来才发现，凭着CPU跑不是一般的慢啊！
train过程要迭代20000次，跑了1个小时没跑完。也是怪我机子太差了。
于是下决心把机子上的显卡用起来。
之前了解过TF借力GPU需要安装cuda和cudnn，一直没实践过，这次终于开动了。过程如下：
1、确认自己显卡是否支持：
到https://developer.nvidia.com/cuda-gpus，点击CUDA-Enabled GeForce Products查看是否自己的显卡支持cuda。后面那列是显卡的运算能力，如我自己的是GT730运算能力是3.5，毕竟是老卡了，比较差劲。
2、下载CUDA。
确定自己的卡可以支持后，接下来根据自己的系统版本下载cuda版本，如果你是windows，必须是64位系统哦，如果不是最好就重装吧。网址是这个
https://developer.nvidia.com/cuda-downloads
选择下exe(local)这个，network那个要边装边下，很容易失败。
3、下载Cudnn。
Cudnn就是个NVIDIA公司在cuda基础上为了方便深度学习调用而加的接口。(The NVIDIA CUDA? Deep Neural Network library (cuDNN) is a GPU-accelerated library of primitives for deep neural networks)，两种方法下载，1) 去N卡官网下载http://developer.nvidia.com/cudnn。2) 看国内有些好人下完了传到百度网盘或者CSDN，你直接下来用。推荐第二种，因为去官网下载需要注册填表等一系列麻烦事才能下。我由于是win7所以在http://download.csdn.net/detail/zhangjianbinn/9821263下载了(需要注册CSDN)。
4、安装CUDA,CUDNN
现在你已经下载了cuda_8.0.61_windows.exe和cudnn-8.0-windows7-x64-v5.1.zip，版本号可能不同，可以开始安装了。关掉360等安装软件防止一会点击到手软。
1) 首先安装cuda，一路默认，等待他装完(大概几十分钟)。
2) 再装Cudnn。解压后进入cudnn-8.0-windows7-x64-v5.1\cuda目录，里面有bin include lib 3个目录，拷贝，然后进入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0，后面的v8.0根据版本号会有不同。粘贴，弹出提示已存在，选择合并目录。
5、安装tensorflow-gpu。
以下安装是建立在之前已经正常运行tensorflow CPU版本的基础上的。
首先关闭你的python开发环境，停止所有运行的python程序，这点很关键，可能会导致安装失败。之后打开cmd，运行pip install --upgrade --ignore-installed setuptools。
再执行pip install --upgrade tensorflow-gpu
看到成功安装即可。
6、验证。
重新打开tf的环境，跑起来，就可以看到调用GPU的日志了，比如下面是我的。
2017-05-13 23:04:56.361497: W c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn‘t compiled to use SSE instructions, but these are available on your machine and could speed up CPU computations. 2017-05-13 23:04:56.361497: W c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn‘t compiled to use SSE2 instructions, but these are available on your machine and could speed up CPU computations. 2017-05-13 23:04:56.361497: W c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn‘t compiled to use SSE3 instructions, but these are available on your machine and could speed up CPU computations. 2017-05-13 23:04:56.362497: W c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn‘t compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations. 2017-05-13 23:04:56.577509: I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:887] Found device 0 with properties: name: GeForce GT 730 major: 3 minor: 5 memoryClockRate (GHz) 0.9015 pciBusID 0000:01:00.0 Total memory: 1.00GiB Free memory: 825.37MiB 2017-05-13 23:04:56.577509: I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:908] DMA: 0 2017-05-13 23:04:56.577509: I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:918] 0: Y 2017-05-13 23:04:56.578509: I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:977] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GT 730, pci bus id: 0000:01:00.0) step=0,train_accuracy=0.09999999403953552 step=100,train_accuracy=0.8200000524520874
爽呆了，比CPU快1倍不止！
TF-搭建tensorflow-gpu GPU环境