最新深度学习平台搭建 Win10+GPU+Tensorflow+keras+CUDA --2018.1.1

环境配置

先看看你的GPU 支持的CUDA 和CUDNN 版本：从这里
还有了解一下你的GPU: GPU计算能力一览表
再看看是否用tf，如果用TF注意了：CUDA只支持 计算能力 3.0 以上的，从这里查看是否支持，或者这里

再下载需要的文件和软件：

1. VS2015: cn_visual_studio_enterprise_2015_x86_x64_dvd_6846222
2. Anaconda4.2 : Anaconda3-4.2.0-Windows-x86_64
3. CUDA8.0 : cuda_8.0.44_win10
4. CUDNN6.0 : cudnn-8.0-windows10-x64-v6.0
5. drivers for Nvidia

1.安装过程

VS2015安装，这个老生常谈了，不说啦。
Anaconda ： 全部勾选就装好了。
CUDA 安装： 这里有安装教程，这个很简单。
CUDNN 安装： 同上，这个文档里面有，如果英文能力稍弱，那就看这里。

安装下列包之前，请先跳到 2.测试CUDA， 是否安装成功。
接下来为了避免安装过程出现错误，我们需要创建一个虚拟环境，如何用conda创建
需要学习一下了，win10下conda 使用教程

tensorflow-gpu版安装： pip install tensorflow-gpu
keras 安装： pip install keras, 使用conda install keras 会把CPU版的Tensorflow也装上。

2.测试CUDA

测试之前，先使用VS2015编译
搜索：Sample_vs2015 如下图。

编译: Release x64

编译完成，debug一下吧。

测试一下： 按照下图输入。

如果符合就继续这一步
这里注意：cd 到 下图中的目录，执行deviceQuery.exe，出现下图说明你很厉害，成功了。

3.debug

等你把tensorflow-gpu、keras装好了，debug一下。
接下来注意了，运行这个文件。

如果出现下列信息，恭喜你！安装成功。

(py35_gpu) C:\Users\aixin>python C:\Users\aixin\Desktop\tf_install_scripts.py
TensorFlow successfully installed.
The installed version of TensorFlow includes GPU support.
(py35_gpu) C:\Users\aixin>

4.相关链接

• which supported-gpus

• GPU计算能力一览表

• drivers for Nvidia

• cuda

• cudnn

• VS2015

• anaconda 官方版本

• version info of tensorflow-gpu and python

写在最后：这事儿没完！ 接下来才是重点！

Buggggggggggggggggggggggggggggg：

当我运行我自己的网络时候发现

Training
2018-01-01 11:37:44.267451: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\35\tensorflow\core\platform\cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
2018-01-01 11:38:08.293880: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\35\tensorflow\core\common_runtime\gpu\gpu_device.cc:1030] Found device 0 with properties:
name: GeForce GT 610 major: 2 minor: 1 memoryClockRate(GHz): 1.62
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.65GiB
2018-01-01 11:38:08.294297: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\35\tensorflow\core\common_runtime\gpu\gpu_device.cc:1093] Ignoring visible gpu device (device: 0, name: GeForce GT 610, pci bus id: 0000:01:00.0, compute capability: 2.1) with Cuda compute capability 2.1. The minimum required Cuda capability is 3.0.Epoch 1/30, Time: 958.5767695903778

1>其中有一句：
Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2

如何解决？
答案：在这里 和 我之前博客

2>还有一个错误

Ignoring visible gpu device (device: 0, name: GeForce GT 610, pci bus id: 0000:01:00.0, compute capability: 2.1) with Cuda compute capability 2.1. The minimum required Cuda capability is 3.0.

如何解决？
答案：过程很复杂。。我先后查看了，stackflow 和 知乎

最后我从 这里 发现：

再看看我的GPU：

Found device 0 with properties:
name: GeForce GT 610 major: 2 minor: 1 memoryClockRate(GHz): 1.62
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.65GiB

与计算能力表对照：2.1 。。。 还让我各种debug，原来人家就不支持小计算能力的显卡

GeForce GT 610： 2.1

那有没有办法在2.x下GPU，使用t'fensorflow实现加速呢？
各种查stackflow。在这里找到解决
办法：Nooooooooooooooooooooooo!!!
最后解决办法： 换显卡

那么选哪个呢？
京东看看，一看傻眼了。

各种网上deep digging!!!
从这里：深度学习的GPU：深度学习中使用GPU的经验和建议 写的很全面：基本回答了:

1> 需要多GPU并行么？
2>选哪个品牌？
3>选定厂商之后，选哪个系列?

参考链接

深度学习平台安装 Win10+GPU+Tensorflow 2017.11

说明

你可以从这里下载本文需要资源

链接：https://pan.baidu.com/s/1c2o9pny 密码：cv89

转载和疑问声明

如果你有什么疑问或者想要转载，没有允许是不能转载的哈
赞赏一下能不能转？哈哈，联系我啊，我告诉你呢 ~~
欢迎联系我哈，我会给大家慢慢解答啦~~~怎么联系我？ 笨啊~ ~~ 你留言也行
你关注微信公众号1.听朕给你说：2.tzgns666，3.或者扫那个二维码，后台联系我也行啦！

终于写完了，赞赏一下下嘛！

（爱心.gif） 么么哒~么么哒~么么哒
爱心从我做起，贫困山区捐衣服，为开源社区做贡献！

码字不易啊啊啊，如果你觉得本文有帮助，三毛也是爱！真的就三毛，呜呜。。。

我祝各位帅哥，和美女，你们永远十八岁，嗨嘿嘿~~~

我祝各位帅哥，和美女，你们永远十八岁，嗨嘿嘿~~~