Visual Studio 2019下配置 CUDA 10.1 + TensorFlow-GPU 1.14.0
環境
Windows 10 64位
Visaul Studio 2019
Anaconda 1.9.7
Python 3.7
CUDA Toolkit 10.1.120
CUDNN 7.6.1.34
TensorFlow-GPU 1.14.0
1. 安裝 Visual Studio 2019
VS號稱宇宙最強IDE，接觸以來從未讓人失望過，可直接在官網下載。 從 Visual Studio 2017 開始，就集成了Python模組用於對機器學習的支援，其安裝方式也新增了線上安裝，安裝時可以選擇需要的元件進行安裝即可，只是時間略久。安裝介面如下：
在 單個元件 中可以選擇安裝 Python 3.7 版本，但是後續需要安裝 Anaconda ，為方便對 包 統一管理以及環境搭建，此處可以略過。
注：選擇安裝位置時，記住 共享元件、工具和SDK 的位置，後面安裝 Anaconda 時會用到。
2. 安裝 CUDA
(1) CUDA™是一種由NVIDIA推出的通用平行計算架構，該架構使GPU能夠解決複雜的計算問題。首先需要檢視自己電腦的N卡支援的 CUDA 版本，開啟 NVIDIA 控制面板——幫助——系統資訊——元件：
博主的 NVCUDA 版本為 10.1.120，因此下載 CUDA 10.1 的 版本。
安裝型別包括 線上安裝 和 本地安裝，在網速允許的情況下可以選擇線上安裝。
(2) 在安裝之前，要先關閉安全軟體，否則很可能提示元件安裝失敗。 安裝空間大概一個多G，要是C盤空間足夠，最好選擇預設的安裝位置，避免不必要的環境配置問題，預設安裝位置為 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1。
(3) 接下來需要新增一波環境變數
$ CUDA_PATH: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 $ CUDA_PATH_V10_1: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 $ CUDA_BIN_PATH: %CUDA_PATH%\bin $ CUDA_LIB_PATH: %CUDA_PATH%\lib\x64 $ CUDA_SDK_PATH: C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1 $ 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 的 Path —— 新建，新增四條資訊
$ %CUDA_BIN_PATH% $ %CUDA_LIB_PATH% $ %CUDA_SDK_BIN_PATH% $ %CUDA_SDK_LIB_PATH%
(4) 配置完成後，使用 CUDA 的內建工具驗證配置是否成功。win+R 啟動 cmd，然後 cd 到安裝目錄 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite 下，分別執行 deviceQuery.exe 和 bandwidthTest.exe，輸出資訊如下：
若上述都返回 Result = PASS，則表示 CUDA 配置成功。
3. 安裝 CUDNN
(1) 選擇與 CUDA 版本想匹配的 cuDNN 版本。在下載時需要先在官網進行註冊。
(2) 將下載檔案解壓縮，然後把裡面 bin、include 以及 lib 資料夾中的檔案分別複製到 CUDA 安裝目錄 的 bin、include 以及 lib 資料夾下面。
4. 安裝 Anaconda
(1) Anaconda 提供了包含 Python在內的180多個科學包及其依賴項，直接在 Anaconda 官網 選擇下載最新版本。
(2) 為了避免在 Visual Studio 2019 IDE 中配置 Anaconda，直接將其安裝在 VS 的共享路徑下面。博主的VS 安裝目錄為 D:\Microsoft Visual Studio ，共享路徑為 D:\Program Files (x86)\Microsoft Visual Studio\Shared。
(3) 開啟 Visual Studio 2019 ，新建一個 Python 專案，View —— Other Windows —— Python Environments，此時會顯示 Anaconda 的安裝環境。
此時預設的環境名稱為 Anaconda 2019.03，強迫症患者表示很不爽，可以在登錄檔更改顯示名稱。
1）開啟登錄檔：win + R —— regedit
2）導航到 HKEY_LOCAL_MACHINE\SOFTWARE\Python（32 位直譯器）
或 HKEY_LOCAL_MACHINE\SOFTWARE\WOW6432Node\Python（64 位直譯器）
3）展開與分發匹配的節點，Anaconda 為 ContinuumAnalytics
4）修改 DisplayName 對應的數值資料，如 Anaconda37。此時 VS 中 Python 環境的名稱也將相應被更改。
5. 安裝 TensorFlow-GPU
(1) 如果直接用命令列的形式線上下載安裝，其下載版本可能與 CUDA 版本不相容。也可以在 Anaconda Navigator 中安裝TensorFlow,但是其版本為1.9.0。本博文安裝最新的版本【截至更博日期，最新版本為TensorFlow 1.14.0 Stable 和 TensorFlow 2.0 Beta】，因此，本文下載 GitHub 大神 的 whl 檔案。儲存在本地任意位置（博主的地址為：D:\AppPackages\TensorFlow）。
(2) 在 VS 的 Python Environments 中點選 Open in PowerShell
(3) 在命令列輸入安裝指令：pip install D:\AppPackages\TensorFlow\tensorflow_gpu-1.14.0-cp37-cp37m-win_amd64.whl
6. 驗證測試
在工程 .py 檔案中輸入程式碼：
import tensorflow as tf
import os
#os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
greeting = tf.constant('Hello Google Tensorflow!')
sess = tf.compat.v1.Session()
result = sess.run(greeting)
print(result)
sess.close()
若控制檯輸出 GPU 相關資訊 以及程式碼的輸出資訊 b'Hello Google Tensorflow!'，則環境搭建成功！
Note： tensorflow_gpu-1.14.0 中棄用了部分程式碼的介面，改用新的介面，如 tf.Session() 改為 tf.compat.v1.Session()，tf.placeholder 改為 tf.compat.v1.placeholder 。
到此這篇關於Visual Studio 2019下配置 CUDA 10.1 + TensorFlow-GPU 1.14.0的文章就介紹到這了,更多相關Visual Studio 2019配置CUDA TensorFlow-GPU內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們！