win10下配置GPU加速的Keras框架

不久之前，開始學習深度學習，這個時候發現用cpu計算的keras框架效能明顯不夠用了，但當時隨便弄了一下沒能成功實現gpu加速。於是後來一次重灌系統，從頭詳細地重現這個過程。

要搭建python環境，個人覺得真的沒有比anaconda安裝更省心的了，而且其內部已經包含了許多常用的包，不用乙個乙個的安裝了。

我選用的是python3.6的64位版本。注意，在引導安裝過程中，強烈建議勾選將python加入環境變數（勾選後這段文字會變紅），安裝完成後，我們就能正常使用python了，使用conda list命令，可以檢視當前python環境下安裝的所有庫（如下圖）。

cuda8的安裝包可直接從nvidia

如下圖所示，我們只需選擇cuda下面這4項就夠了（預設是全選的。。。），visual studio integration這一項沒有勾選是因為我並沒有使用vs環境。這一步之後，會詢問這些元件的安裝路徑，可以直接使用c盤的預設位置，當然我自定義了一下（請記住這些安裝路徑，後面配置環境變數需要用到）。

接下來設定環境變數：

計算機上點右鍵，開啟屬性->高階系統設定->環境變數，可以看到系統中多了cuda_path和cuda_path_v8_0兩個環境變數，接下來，還要在系統中新增以下幾個環境變數：

cuda_sdk_path = c:\programdata\nvidia corporation\cuda samples\v8.0(這是預設安裝位置的路徑，經自定義路徑後，我的路徑為d:\nvidia\cuda samples)

cuda_lib_path = %cuda_path%\lib\x64

cuda_bin_path = %cuda_path%\bin

cuda_sdk_bin_path = %cuda_sdk_path%\bin\win64

cuda_sdk_lib_path = %cuda_sdk_path%\common\lib\x64

然後：

在系統變數 path 的末尾新增：

%cuda_lib_path%;%cuda_bin_path%;%cuda_sdk_lib_path%;%cuda_sdk_bin_path%;

再新增如下4條（預設安裝路徑）：

c:\program files\nvidia gpu computing toolkit\cuda\v8.0\lib\x64；

c:\program files\nvidia gpu computing toolkit\cuda\v8.0\bin；

c:\programdata\nvidia corporation\cuda samples\v8.0\common\lib\x64；

c:\programdata\nvidia corporation\cuda samples\v8.0\bin\win64；

如果你選用了自定義路徑，上述這些預設路徑都應該相應替換為你的自定義路徑，如下為我的環境變數和path的配置情況：

環境變數：

配置完成後，我們可以驗證是否配置成功，主要使用cuda內建的devicequery.exe 和 bandwithtest.exe：

首先win+r啟動cmd，cd到安裝目錄下的...\extras\demo_suite,然後分別執行bandwidthtest.exe和devicequery.exe,應該得到下圖:

如果以上兩步都返回了result=pass，那麼就算成功啦。

對於tensorflow的安裝，我們可以直接按照官網的介紹使用

pip3 install --upgrade tensorflow-gpu安裝完成後，進入python環境，輸入：

>>> 
import tensorflow as tf
>>> hello = tf.constant('hello, tensorflow!')
>>> sess = tf.session()
>>> print(sess.run(hello))

若出現下圖結果，代表已成功基於gpu執行。

最後安裝keras，可以直接pip install keras,它會自動附帶安裝所需的其他庫和theano，需要注意的是，此時keras會自動選用tensorflow作為其後端，而tensorflow則會在有可用gpu時自動呼叫gpu執行。至此，整個配置就算完成啦~

win10下配置GPU加速的Keras框架

win10檢視GPU資訊

win10下安裝wampserver配置問題

win10下csc環境配置

win10下配置GPU加速的Keras框架

win10檢視GPU資訊

win10下安裝wampserver配置問題

win10下csc環境配置

相關推薦