Tensorflow的gpu版本使用

根据前文
首先要自己新建一个python环境
然后进入该环境
使用pip install tensorflow-gpu==1.11 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
我这里用的1.11版本

当然要想使用GPU版本的tensorflow
只有tensorflow还不行
还得安装CUDA和cuDNN
这三者还得注意版本配合
见下图：

所用如下：
python3.6 (一般默认下载的3.7很多东西都不支持，故要自己新建)
tensorflow_gpu1.11
CUDA9
cuDNN7

如何安装CUDA?
如何安装CUDA?
如何安装CUDA?



确定环境变量添加完毕之后
确定环境变量添加完毕之后
确定环境变量添加完毕之后

cmd进入命令行
输入：
nvcc -v

至此，CUDA安装完毕
至此，CUDA安装完毕
至此，CUDA安装完毕

如何安装cuDNN?
如何安装cuDNN?
如何安装cuDNN?

上面应该是8都变成9，因为这个图片是别人的。如v8.0换成v9.0，其他类比。
by the way
下载cuDNN要求注册

全部安装完成后
第一次使用可能会报错
stop然后再次run就行
这速度确实是cpu的很多倍。我这里用了1分28秒
训练的是C:\Users*\PycharmProjects\untitled2\CNN_mnist.py
这是搭建卷积神经网络训练mnist，测试识别率达到99.1%，因为mnist有训练和测试集
然后我再换成原来的python环境，使用cpu版本的tensorflow，来定量比较一下
实际操作：cpu耗时18分18秒
看看是多少倍：1860+18=1098
1098/88=12.5，这算是比较大的差距了
我的配置是：
i7-9750H
GTX 1660Ti
如果是差的cpu和好的gpu，这个差距会更大
一般都是几十倍的差距

所以gpu版本的深度学习框架使用一定得会
这是趋势，不能嫌麻烦