2.3　TensorFlow类库的下载与安装（基于GPU模式）

2.2节中安装的是基于CPU模式的TensorFlow类库，这也是一般默认安装的TensorFlow模式，而往往在进行大规模数据计算时需要安装基于GPU模式的TensorFlow，输入如下代码：

     pip install tensorflow-gpu

等待提示成功后即可认为基于GPU模式的TensorFlow安装完毕。但是如果需要真正使用GPU模式对数据进行处理，除了安装tensorflow-gpu库包以外，还需要安装CUDA与cuDNN，这是NVIDIA为了使用GPU进行程序运算专门提供的工具包。

2.3.1　CUDA配置

由于本书使用的是最新的tensorflow-gpu版本，其对应cuda 9.0.dll，因此就要下载cuda 9.0对应Windows版本的安装文件。

（1）下载地址：https://developer.nvidia.com/cuda-90-download-archive。

（2）下一步是选择下载的版本（如图2-18所示），这里NVIDIA提供了多种版本，请读者自行选择对应的操作系统以及版本号。

图2-18　选择的版本号

（3）还需注意最后的Installer Type选项，exe（network）是在线安装版（如图2-19所示），也就是执行这个安装程序需要联网。exe（local）是离线安装版（如图2-20所示），这个文件比较大。选完后，单击下面的Download按钮就可以下载。

图2-19　在线安装程序

图2-20　离线下载程序

（4）下载完成后，双击运行文件然后单击OK按钮，等进度条走完，就会进入安装界面，如图2-21所示。

图2-21　进入安装界面

（5）之后继续下一步，进入加载界面，如图2-22所示。

图2-22　进入加载界面

（6）检查系统兼容性，如果检测通过了，那么恭喜你，你的显卡可以安装CUDA，如果没有通过，只能抱歉地告诉你，只能pip uninstall tensorflow-gpu，然后执行pip install tensorflow，这种情况是你的电脑显卡不支持tensorflow-gpu加速。

（7）之后是软件许可协议，如图2-23所示，单击“同意并继续”按钮。

图2-23　软件许可协议

（8）此时出现安装选项，如图2-24所示。选中“精简”单选按钮，然后单击“下一步”按钮，之后等待安装完成即可。

图2-24　选择安装模式

（9）完成后，在环境变量检查PATH路径。在计算机桌面上的“计算机”图标上右击，打开属性→高级系统设置→环境变量，发现已经有CUDA_PATH和CUDA_PATH_V9_0两个环境变量。

CUDA_PATH是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA9.0，仅仅如此是不够的，还需要在环境变量里的PATH全局变量中加入bin和lib\x64目录的路径：

     CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
     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

打开cmd，输入$ nvcc -V可以验证CUDA的安装是否成功。

2.3.2　cuDNN配置

对于TensorFlow而言，真正实现加速的是cuDNN，cuDNN调用的是CUDA显卡驱动。所以最后我们要配置cuDNN这个模块。

cuDNN的全称为NVIDIA CUDA Deep Neural Network library，是NVIDIA专门针对深度神经网络（Deep Neural Networks）中的基础操作而设计的基于GPU的加速库。cuDNN为深度神经网络中的标准流程提供了高度优化的实现方式，例如convolution、pooling、normalization以及activation layers的前向以及后向过程。

cuDNN只是NVIDIA深度神经网络软件开发包中的其中一种加速库。想了解NVIDIA深度神经网络加速库中的其他包，请访问链接https://developer.nvidia.com /deep-learning-software。

下面我们说一下正确安装cuDNN的方式，其实按官方安装说明进行安装就可以了。

（1）从https://developer.nvidia.com/cudnn上下载cuDNN相应版本的压缩包（可能需要注册或登录）。

（2）如果这个压缩包不是.tgz格式的，把这个压缩包重命名为.tgz格式。解压当前的.tgz格式的软件包到系统中的任意路径，解压后的文件夹名为CUDA。文件夹中包含三个子文件夹：一个为include；一个为lib；还有一个是bin。

（3）复制上述3个文件夹到CUDA_PATH指定的路径下面（见图2-25）。检查一下环境变量中是否有lib/x64文件夹的配置，这一步很重要。

图2-25　解压后的cuDNN文件

（4）之后仿照上一节的代码对其进行验证。这里需要注意的是，第一次使用tensorflow-gpu模式进行处理的时候，由于需要对显卡进行甄别，加载的速度较慢，同时打印的内容也较多，如图2-26所示。

图2-26　第一次加载tensorflow-gpu模式

上一章目录下一章