最近一直想要用GPU训练一个五子棋AI,无奈自己的笔记本是A卡,速度太慢,计算一局需要7、8分钟。所以在之前安了Ubuntu虚拟机,使用了ROCm框架,训练速度提升为一局1、2分钟,但其实速度还是很慢。这两天实验室老师拿来了一台主机,配置:Nvidia 显卡,GeForce GTX1660。所以就想安一下GPU,安了一下午,终于可以调用GPU训练了,速度为1分钟12局。。。真是舒服了。
1.查看你的显卡是否支持GPU
满足之后就可以进行下面的步骤了。
2.安装python环境
其实大家知道,安装python环境可以直接安装,也可以通过Anaconda安装,Anaconda安装时候需要注意你想要安装python版本,如果不想要默认自带的python版本,就不要勾选

建议不要勾选把path直接加入到环境变量中:

安装好之后,打开Anaconda命令行,输入conda -V,如果输出是你所安的版本,即为成功。
3.安装Tensorflow-GPU
我是新建了一个名为“tensorflow”的conda环境:版本可以自选,要注意tensorflow-GPU与python版本对应
1
| conda create -n tensorflow pip python=3.6
|
推荐更换国内的源,速度会快很多的。
然后要激活环境,才能继续在这个环境下安装tensorflow-GPU。当然你也可以不新建一个环境,直接就在anaconda环境下安装也是可以的。
下面进行安装tensorflow-GPU,虽然换源了,但你会发现下载还是会很慢。
1
| pip install --ignore-installed --upgrade tensorflow-gpu
|
推荐使用这行代码下载:
1 2 3 4 5 6
| pip install --ignore-installed --upgrade tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple
这样安装的版本可能不是你所需要的,可以指定tensorflow的版本安装,只需在tensorflow-gpu后面指定版本即可,即改为:我安装的tensorflow-gpu 1.14.0版本
pip install --ignore-installed --upgrade tensorflow-gpu==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
|
第一步要查看要安装的CUDA + cuDNN版本,因为大家要安的tensoflow版本不一样,所以对应的CUDA 和cuDNN版本也就不一样,所以一定要对应上,否则就会报错。
可以点击查看你所要安装的tensorflow所对应的版本cuDNN和CUDA版本
记得点击右上角的 语言选项,把中文改成英语,否则最新的版本显示不出来。然后点击左侧栏的windows

然后向下翻,翻到这里,查看对应关系,我要安的是1.14.0,所以按第一行的对应版本安装

然后下载CUDA + cuDNN

按照刚才官网提示进行下载,我下载的是10.0本地安装版本。

一定要按照tensorflow官网的提示,选择安装CUDA和cuDNN的版本,一定要对应好。
下载之后,下面进行安装。
注意:最重要的一步,先卸载原有的显卡的驱动。
1 2 3 4 5 6 7
| C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
|
到这里安装步骤已经全部完成,下面就可以开始愉快的测试了。
5 测试
在你的环境下依次运行代码:
1 2 3 4 5
| python
import tensorflow as tf
tf.test.gpu_device_name()
|
我的命令行输出的是:

上面是自己机器还有GPU的信息,出现的最后一句:‘/device:GPU:0’ 则说明安装成功了。
查看在使用那个GPU,依次输入代码:
1 2 3
| from tensorflow.python.client import device_lib
device_lib.list_local_devices()
|

我这个主机只有一块GPU,所以输出的信息也是只有一块。
至此,终于安装完成了。。。
真心希望这个教程可以帮助到大家,少走一些弯路,早点开始调用GPU训练,说句题外话:训练的速度是真的快啊,如有任何疑问,欢迎交流。