Configure CUDA ToolKit, CuDNN para usar TensorFlow-GPU: Windows 10

Acelere el proceso de entrenamiento usando GPU

La instalación de TensorFlow-GPU con compatibilidad con CUDA y CuDNN es un proceso lento y bastante tedioso. Sea paciente, relájese y asegúrese de tener una conexión a Internet estable.

En primer lugar, debemos verificar la compatibilidad de TensorFlow-GPU con las versiones CUDA y CuDNN:

Puede verificar la compatibilidad en TensorFlow

Instalaremos la última versión de TensorFlow-GPU 2.10.1. Para eso necesitaremos CuDNN 8.1.1, CUDA 11.2.2 y Visual Studio Community 2019

Por favor, siga cada paso:

1. Asegúrese de tener instalado el controlador de gráficos Nvidia más reciente.
2. Descargue e instale Visual Studio Community: instalador 2019
3. Descargue e instale el kit de herramientas CUDA — 11.2.2
4. Descargar e instalar CuDNN — 8.1.1
5. Agregar rutas a la variable de entorno del sistema
6. Prueba

Descargue el instalador de MSVC — 2019: ( Haga clic aquí para descargar )

Le pedirá que se registre/inicie sesión. Una vez que haya iniciado sesión, escriba Visual Studio Community — 2019 en el cuadro de búsqueda.

Descargue y ejecute el instalador de MSVC — 2019. Ahora, debe descargar algunas cargas de trabajo de C++ de MSCV.

Asegúrese de haber seleccionado Desarrollo de escritorio con C++ y Desarrollo móvil con C++. En el lado derecho, verá el editor principal de Visual Studio y los dos que ha seleccionado.

Tomará algún tiempo para descargar e instalar. Relájate por el tiempo. Una vez instalado puedes cerrarlo.

Paso 2: Descargue el kit de herramientas CUDA — 11.2.2

Descargue el kit de herramientas CUDA — 11.2.2: ( Haga clic aquí para descargar )

Te recomendaré que descargues la misma versión para CUDAToolkit. Seleccione Windows, x86_64, 10 y exe (local) y descargue la configuración.

Una vez descargado, ejecute el instalador, acepte el acuerdo y use el método Express (Recomendado) para instalar.

Paso 3: Descarga el CuDNN

Descargue el CuDNN: ( Haga clic aquí para descargar )

Por primera vez, le pedirá que inicie sesión. Si no tiene una cuenta de desarrollador de nvidia, simplemente haga clic en Unirse ahora . Regístrese e inicie sesión.

Una vez que haya iniciado sesión, seleccione la versión CuDNN 8.1.1 [26 de febrero de 2021] que es compatible con CUDA 11.2, descargue el archivo zip para Windows. Biblioteca C uDNN para Windows (x86)

Después de descargar el archivo zip. Extraiga todo de él, verá 3 carpetas y 1 contenedor de archivos, include, lib y un archivo de texto . Cree una nueva carpeta en su unidad C: llamada cuda y mueva todos los archivos y carpetas extraídos a ella.

Paso : 4 Edite las variables de entorno del sistema

En el cuadro de búsqueda de Windows, escriba Editar la variable de entorno del sistema y ábrala. Una vez que se abra la ventana de propiedades del sistema, haga clic en Variables de entorno...

En Variables del sistema, busque Ruta. Seleccione la ruta y haga clic en Editar

Una vez que aparezca la ventana, haga clic en Nuevo y agregue estas rutas.

C:\cuda\bin
C:\cuda\include
c:\cuda\lib\x64

      
                

                    
                    
                
            

Abrir indicador de Anconda (Terminal)

conda create -y --name tfv2_gpu_env python==3.9

conda activate tfv2_gpu_env

pip install tensorflow-gpu==2.10.1

Inicie Python the Anaconda Prompt (Terminal). Y ejecute el siguiente comando uno por uno.

import tensorflow as tf
tf.config.list_physical_devices('GPU')
tf.test.is_build_with_cuda()
tf.test.gpu_device_name()
tf.test.is_build_with_gpu_support()

      
                

                    
                    
                
            

Sígueme: Instagram (haz clic aquí)