??本文介紹在Anaconda環(huán)境中，配置可以用GPU運(yùn)行的Python新版tensorflow庫(kù)的方法。

??在上一篇文章Anaconda配置Python新版本tensorflow庫(kù)（CPU、GPU通用）的方法（https://blog.csdn.net/zhebushibiaoshifu/article/details/129285815）中，我們?cè)敿?xì)介紹了CPU、GPU通用的新版tensorflow庫(kù)的配置方法；本文就在這一篇文章的基礎(chǔ)之上，繼續(xù)介紹如果希望讓GPU參與到計(jì)算中，我們?cè)撊绾芜M(jìn)一步配置對(duì)應(yīng)的環(huán)境。如果大家此時(shí)還沒(méi)有配置tensorflow庫(kù)，那么就先將前述這一篇文章的流程完成后，再繼續(xù)本文的步驟即可。

??這里需要注意，tensorflow庫(kù)在2.11及以上的版本中，都取消了對(duì)Windows平臺(tái)的GPU支持（我試了一下，就算裝了WSL也不行）；而在撰寫本文時(shí)，用的是2.6.2版本的tensorflow庫(kù)，因此是沒(méi)有問(wèn)題的。所以大家如果裝了2.10及以下版本的tensorflow庫(kù)，就繼續(xù)向后看本文即可；如果此時(shí)已經(jīng)裝了2.11及以上版本的tensorflow庫(kù)，那么可以首先通過(guò)如下的代碼將tensorflow庫(kù)更換為2.10版本的（執(zhí)行這一代碼時(shí)，將自動(dòng)刪除原有的2.11及以上版本的tensorflow庫(kù)），再繼續(xù)看本文。

pip install --user "tensorflow<2.11"

??前面我們提到，當(dāng)時(shí)雖然已經(jīng)配置完畢了新版tensorflow庫(kù)，但是如果運(yùn)行代碼，還是會(huì)出現(xiàn)如下圖所示的提示信息，即我們還沒(méi)有配置好GPU運(yùn)行的環(huán)境。

??其中，如果大家的電腦上是沒(méi)有GPU，或者就不需要用GPU加以計(jì)算，那就不用管這個(gè)問(wèn)題，直接開始編寫、運(yùn)行機(jī)器學(xué)習(xí)的代碼就好了；但是對(duì)于電腦中有GPU并且也希望讓GPU加入運(yùn)算的用戶而言，就需要加以進(jìn)一步的配置工作。具體流程如下。

1 系統(tǒng)版本要求

??如果需要用本文所述的GPU環(huán)境配置方法，需要保證Windows操作系統(tǒng)的版本在19044及以上；如果不滿足這一條件，除了升級(jí)系統(tǒng)，就只能通過(guò)早期版本的tensorflow庫(kù)來(lái)實(shí)現(xiàn)GPU運(yùn)算了。

2 GPU設(shè)置

??首先，我們需要打開Anaconda Prompt軟件；隨后，可以輸入如下所示的代碼，從而查看我們的GPU狀態(tài)。

nvidia-smi

??運(yùn)行上述代碼后，如下圖所示，即為我們的GPU狀態(tài)。如果無(wú)法出現(xiàn)如下圖所示的信息，則很大概率是沒(méi)有安裝驅(qū)動(dòng)（NVIDIA Driver），大家可以到其官方網(wǎng)站中下載。

??隨后，我們即可配置CUDA與cuDNN；其中CUDA是NVIDIA為其生產(chǎn)的GPU所研發(fā)的一種并行計(jì)算架構(gòu)，而cuDNN則是NVIDIA專門為深度神經(jīng)網(wǎng)絡(luò)運(yùn)行而提供的一個(gè)加速庫(kù)。這二者目前網(wǎng)上很多教程是通過(guò)手動(dòng)到NVIDIA官方網(wǎng)站上下載、安裝的，相對(duì)較為麻煩；而這里我們既然已經(jīng)用了新版本的tensorflow庫(kù)，那么就可以直接在命令行實(shí)現(xiàn)二者的下載與配置。

??我們輸入如下所示的代碼。

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

??隨后，運(yùn)行上述代碼，如下圖所示。

??隨后，輸入y，即可確認(rèn)開始下載、配置CUDA與cuDNN。稍等片刻，出現(xiàn)如下圖所示的情況，說(shuō)明二者已經(jīng)配置完畢。

??至此，CUDA與cuDNN的設(shè)置已經(jīng)完畢。但是，為了讓這二者可以正常使用，我們還需要配置系統(tǒng)路徑。關(guān)于這一步的內(nèi)容，大家可以直接用管理員身份打開Windows PowerShell軟件來(lái)進(jìn)行配置，如下圖所示。

??隨后，分別輸入并運(yùn)行以下兩句代碼。

mkdir -p $CONDA_PREFIX/etc/conda/activate.d echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/' > $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

??運(yùn)行后如下圖所示。

??至此，就完全完成了GPU方面的配置工作。

3 WSL2配置

??此外，我們還需要配置WSL2。WSL是“適用于Linux 的Windows 子系統(tǒng)”，我們需要配置這一環(huán)境，為后面的GPU運(yùn)算提供條件。

??關(guān)于WSL2的介紹與手動(dòng)配置方法，大家可以直接查看其官方網(wǎng)站；我們這里就介紹通過(guò)命令行的簡(jiǎn)單的配置方法。

??首先，依然是在管理員身份打開的Windows PowerShell軟件中，我們輸入如下所示的代碼。

wsl --install

??隨后，即可開始安裝WSL2；稍等片刻，出現(xiàn)如下圖所示的提示，說(shuō)明WSL2已經(jīng)配置完畢；此時(shí)，需要重啟一次電腦。

4 配置結(jié)果驗(yàn)證

??至此，已經(jīng)完成了GPU運(yùn)算所需要的全部配置步驟。如果大家是在一個(gè)新的虛擬環(huán)境中配置的上述內(nèi)容，就可以按照文章Anaconda為虛擬環(huán)境安裝第三方庫(kù)與Spyder等軟件的方法（https://blog.csdn.net/zhebushibiaoshifu/article/details/128334627）提到的方法，安裝一個(gè)Spyder軟件，方便后續(xù)代碼的撰寫。

??隨后，在編輯器中輸入如下的代碼。

import tensorflow as tf print(tf.config.list_physical_devices("GPU"))

??如下圖所示。

??運(yùn)行上述代碼后，如果出現(xiàn)如下圖所示的輸出結(jié)果，就表明程序可以找到電腦中的GPU，即前述全部配置工作是沒(méi)有問(wèn)題的；大家就可以開始撰寫機(jī)器學(xué)習(xí)的各類代碼，并用GPU加速運(yùn)行了。

??此外，這里還有一種不推薦的檢驗(yàn)方法。大家還可以輸入以下的代碼。

import tensorflow as tf tf.test.is_gpu_available()

??這也是一種檢驗(yàn)GPU是否可用的方法，但是如下圖所示，這種方法馬上就要被淘汰了，因此建議還是用上面提到的方法來(lái)測(cè)試。如果出現(xiàn)如下圖所示的True字樣，就說(shuō)明配置沒(méi)有問(wèn)題。

??至此，大功告成。

歡迎關(guān)注：瘋狂學(xué)習(xí)GIS

總結(jié)

以上是生活随笔為你收集整理的新版本GPU加速的tensorflow库的配置方法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。