深度学习主机环境配置: Win10+Nvidia GTX 1080i+CUDA8.0+CUDDN6

深度学习主机环境配置: Win10+Nvidia GTX 1080i+CUDA8.0+CUDDN6

环境说明

硬件:

CPU:E5-2673 V3

主板:华硕Z10Z10PA-D8

内存:三星DDR4 2400 ECC-R 16G*2

显卡:微星GTX1080Ti AERO

固态硬盘:三星PM961 256G M.2

机械硬盘:希捷2T

电源:长城1250W

机箱:ANTEC P8

风扇:10热管全静音

系统:Windows 10 Enterprise Version

前期工作

NVIDIA 最新版驱动

Visual Studio 2015 (需要C++部分,可以安装visual studio community 2015

备注:经过测试,Visual Studio 2013也可以。

安装CUDA和cuDNN

注意:发这篇文章的时候,tensorflow尚不支持最新版本的CUDA和cuDNN,因此,本文使用以下两个版本:

1. CUDA 8.0

下载地址:developer.nvidia.com/cu

直接安装即可。也可以到我的百度云下载:链接:pan.baidu.com/s/1dFHD37 密码:u0gi

2.cuDNN v6.0

下载地址:developer.nvidia.com/rd

也可以到我的百度云下载:链接:pan.baidu.com/s/1gftmqR 密码:zinu

解压后覆盖到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0目录即可。

3. 安装Tensorflow GPU 1.4

由于Anaconda 可以提供完整的科学计算库,所以直接使用Anaconda 来进行相关的额安装。

4.安装Anaconda

下载地址:anaconda.com/download/

这里我们下载Python 3.6 64bit 的Anaconda 5,直接安装即可。

5. 在Anaconda中安装TensorFlow GPU 1.4

conda create --name tf python=3.6 #创建tf环境
activate tf #激活tf环境

pip install --ignore-installed --upgrade tensorflow-gpu

其他命令:

deactivate tf #退出tf环境
conda remove --name tf --all #删除tf环境(全部删除)

将会自动安装如下组件

numpy
wheel
tensorflow-tensorboard
six
protobuf
html5lib
markdown
werkzeug
bleach
setuptools

使用下列代码测试安装正确性

6.测试.

命令行下:

activate tf

python

输入以下代码:

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))


没有报错就是配置好了。

文章被以下专栏收录