[Tensorflow-2.x-gpu] windows10でtensorflow_gpu2.xとcudnの対応をテストします

1.背景

tensorflow-2.x gpu環境の構成については、ブログを参照してください：
python3 configure tensorflow-2.x gpu environment（2）
https://blog.csdn.net/jn10010537/article/details/113791239

VPFをコンパイルするためのcudaの最近のハードデコードの必要性のため、cuda10.0がアンインストールされ、再インストールされました：cuda10.2およびcudnn7.6.5。

テスト環境

python3.7
windows10 专业版

2.cudaフレームワークをインストールします

CUDA（Compute Unified Device Architecture）は、GPU汎用コンピューティング用の並列コンピューティングプラットフォームおよびプログラミングモデルです。これはC言語に基づいており、グラフィックチップ上でプログラムを実行できる複数のC言語で拡張されています。
インストールパッケージcuda_10.2.89_441.22_win10.exe、カスタムインストール場所：

開発パッケージ	D：\ D03_GeneralDevelop \ D03_01_nvidia \ cuda \ install \ development
ドキュメンテーション	D：\ D03_GeneralDevelop \ D03_01_nvidia \ cuda \ install \ documentation
サンプル	D：\ D03_GeneralDevelop \ D03_01_nvidia \ cuda \ install \ samples

図1に示すように：

3.cuDNNをインストールします

CUDAは、ディープニューラルネットワークGPUアクセラレーションライブラリcuDNN（CUDAディープニューラルネットワーク）を提供します。これにより、畳み込み、プーリング、正規化、活性化関数レイヤーなどの標準操作の迅速な実装が完了します。
インストールパッケージ：cudnn-10.2-windows10-x64-v7.6.5.32.7z
解凍後、3つのフォルダーbin、include、libをcuDNNフォルダーにコピーします。cuDNNフォルダーは次のパスです：
D：\ D03_GeneralDevelop \ D03_01_nvidia \ cudnn \ cuDNN

図2に示すように、
-3。cudaとcuDNNをシステム環境変数に
追加します。cudaとcuDNNのインストールディレクトリの下にある次のフォルダをシステム環境変数に追加します。

1	D：\ D03_GeneralDevelop \ D03_01_nvidia \ cuda \ install \ development \ bin	画像3
2	D：\ D03_GeneralDevelop \ D03_01_nvidia \ cuda \ install \ development \ extras \ CUPTI \ lib64	図4
3	D：\ D03_GeneralDevelop \ D03_01_nvidia \ cuda \ install \ development \ include	図5
4	D：\ D03_GeneralDevelop \ D03_01_nvidia \ cudnn \ cuDNN \ bin	図6

画像3：

図4

図5

図6

図7に示すように、システム環境に追加した後：

4.tensorflow-gpuをインストールします

tensorflow-gpu == 2.2.0をインストールします

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.2.0

インストール後、インストールされている3部構成のパッケージを次のように確認します。

tensorflowがGPUハードウェアを実行しているかどうかを確認します。

import tensorflow as tf 
print(tf.__version__ )     # 2.2.0 
tf.test.is_gpu_available() # False

上の図に示すように、tensorflowのGPUが実行されていないことがわかります。理由は次のとおりです。インストール後のcuda_10.2.89_441.22_win10.exeが
D：\ D03_GeneralDevelop \ D03_01_nvidia \ cuda \ install \ development \ binにあるディレクトリはcudart64_102.dllファイルです！
次の図に示すように、

結論として、cuda_10.2.89_441.22_win10.exeはtensorflow-gpu 2.2.0と一致せず、「cudart64_101.dll」、つまりcuda10.1が必要です。

テスト後、cuda_10.2.89_441.22_win10.exeとtensorflow-gpu 2.3.0も一致せず、「cudart64_101.dll」、つまりcuda10.1が必要です。

テスト後、cuda_10.2.89_441.22_win10.exeとtensorflow-gpu 2.3.1も一致せず、「cudart64_101.dll」、つまりcuda10.1が必要です。

テスト後、cuda_10.2.89_441.22_win10.exeとtensorflow-gpu 2.3.2も一致せず、cuda10.1である「cudart64_101.dll」が必要です。

テスト後、cuda_10.2.89_441.22_win10.exeとtensorflow-gpu 2.4.0も一致しないため、「cudart64_110.dll」、つまりcuda11.0が必要です。

テスト後、cuda_10.2.89_441.22_win10.exeとtensorflow-gpu 2.4.0rc0も一致せず、「cudart64_110.dll」、つまりcuda11.0が必要です。

5.まとめ

-5.1
テストの重要性この種のテストは無意味に
思えますが、VPF、つまりVideoProcessingFrameworkを勉強しているのであれば、それは理にかなっています。
（windows10では、cuda10.0をインストールした後、VPFエラーレポートをコンパイルします。特定のエラーレポートはここには記載されていません。）
同時に、このブログでは、cudaとtensorflow-gpuのインストールと構成の一般的なプロセスについても詳しく説明しています。意味のある。

参照ブログ：
[tensorflow-2.x-gpu] python3はtensorflow-2.xgpu環境を構成します（2）
https://blog.csdn.net/jn10010537/article/details/113791239

前述のWindows-GPUビルド構成、configure cuda、cudnn、tensorflow-gpu;

最後に、windows10の下にcuda10.1バージョンをインストールすることをお勧めします。このバージョンでは、tensorflow-gpuとVPFの使用を同時に考慮することができます。

-5.2 cuda10.1とtensorflow-gpu2.3.0をインストールしました。
以下は、cudaとcudnnの再インストールの簡単な説明です。

tensorflow 2.3.0をインストールし、インストール後に3部構成のパッケージを確認します
。tensorflowがGPUを実行しているかどうかを確認します。

import tensorflow as tf 
print(tf.__version__ )     # 2.2.0 
tf.test.is_gpu_available() # False

次の図に示すように、tensorflowのGPUが正常に実行されていることがわかります。