我电脑i7 1060,之前一直在找匹配的cuda和cudnn,安装出现各种问题,直到高人提醒,anaconda自带cuda和cudnn。
我打开开始菜单里的anaconda里的navigator,发现cuda和cudnn状态是installed,cuda版本是9.0,运行测试程序,证实可以在gpu上运行!
我建了几个环境,除了系统自带的base环境,还有自己装的TensorFlow环境,装的Python3.7,发现没有对应的TensorFlow,建了py36环境,装Python3.6,后来发现装的是CPU版本,于是建了py36-gpu环境装GPU版TensorFlow。
我安装的anaconda最新3.7版本,然后注意安装Python的时候要Python=3.6,安装TensorFlow的时候要tensorflow-gpu。新建的环境会装在anaconda安装目录的envs文件夹下。
具体操作可以看我的第一篇博客
Windows系统下用anaconda安装tensorflow可以激活不能import的解决方案
测试程序
- import tensorflow as tf
- import numpy as np
- # 使用 NumPy 生成假数据(phony data), 总共 100 个点.
- x_data = np.float32(np.random.rand(2, 100)) # 随机输入
- y_data = np.dot([0.100, 0.200], x_data) + 0.300
- # 构造一个线性模型
- #
- b = tf.Variable(tf.zeros([1]))
- W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
- y = tf.matmul(W, x_data) + b
- # 最小化方差
- loss = tf.reduce_mean(tf.square(y - y_data))
- optimizer = tf.train.GradientDescentOptimizer(0.5)
- train = optimizer.minimize(loss)
- # 初始化变量
- init = tf.initialize_all_variables()
- # 启动图 (graph)
- sess = tf.Session()
- sess.run(init)
- # 拟合平面
- for step in range(0, 201):
- sess.run(train)
- if step % 20 == 0:
- print (step, sess.run(W), sess.run(b))
- # 得到最佳拟合结果 W: [[0.100 0.200]], b: [0.300]
代码来自这里:
TensorFlow-Gpu环境搭建——Win10+ Python+Anaconda+cuda
转自:https://blog.csdn.net/xq_nbu/article/details/83188570