一般的にインターネット上のブログでは NVIDIA 公式サイトにアクセスして CUDNN や CUDA をダウンロードするのが面倒ですが、ここではもっと簡単な方法を紹介します。
一般的なインストール (GPU バージョンのインストールでもこのプロセスを実行する必要があります)
注: tensorflow2.1 以降、pip パッケージ tensorflow には GPU サポートも含まれており、tensorflow-gpu を通じて GPU バージョンをインストールする必要はありません。以下に、インストールを 100% 成功させるための構成スキームを示します。
1 Anaconda をインストールします。どのバージョンでも問題ありません。互換性のないパッケージが多数あるため、最新のものをダウンロードしないことをお勧めします。Baidu Anaconda の公式 Web サイトからダウンロードできます。私のこのブログ投稿を参照してください
2 Python をインストールした後、cmd ターミナルを開き、次のコードを入力し、Conda 仮想環境を作成して、その環境に入ります。
conda create --name tf2 python=3.8
conda activate tf2
conda activate tf2 がエラーを報告する場合、それは Conda activate を初めて実行したことが原因です。
回避策: 次のコードを入力します。
activate
conda activate tf2
3 テンソルフローをダウンロードする
pip install tensorflow==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
CPU ユーザーはこれが終わったと認識しているが、GPU ユーザーは引き続き下を向いている
GPU ユーザーのインストール
4 まず、GPU グラフィックス カードとグラフィックス カード ドライバーがあることを確認し、cmd ターミナルに nvidia-smi と入力して GPU の使用状況を確認し、ドライバーのバージョン番号を確認します。
5 CUDA Toolkit と cuDNN のインストールについては、記事の冒頭にある構成チャートを参照してください。バージョンは一貫している必要があります。インストールする前に、 conda search cudatoolkitとconda search cudnnを使用して、conda ソースで利用可能なバージョン番号を検索できます。
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
インストールを確認する
cmd ターミナルを開き、conda activate tf2 と 入力して、以前に確立された tf2 環境に入ります。エラーが報告された場合は、 最初にactivate と入力し、次にconda activate tf2と入力します。「python」 と入力して Python 環境に入り、次のように入力します。
import tensorflow as tf
tf.autograph.set_verbosity(0)
physical_devices = tf.config.experimental.list_physical_devices('GPU')
print(physical_devices)
次のようなメッセージが表示され、インストールが成功したことがわかります。