注意
- いつかまた環境構築するときの個人的メモくらいに思っていただければ幸いです。
- 進化がはやいので、バージョンなど今のものとは違うかもしれません。
- 「やってみたら壊れた」など責任取れませんので、よろしくお願いいたします。。。
参考にさせていただいたサイト・qiita
- TensorFlow 2.2（GPU 対応可能）のインストール（Windows 上）
- NVIDIA CUDA ツールキット 10.1，10.0 のインストール（Windows 上）
- Visual C++ ビルドツール 2019 （Build Tools for Visual Studio 2019） のインストール（Windows 上）
- TensorFlow2.1でCuda10.1なのにGPUが認識されない問題の解決法
- CUDA+cuDNNのインストールまとめ
環境
- windows10
- NVIDIA GeForce GTX 1660 SUPER
- CUDA 10.1
- cuDNNv 7.6.5
- python 3.7.9
- tensorflow 2.1.0
- keras 2.3.1
- Visual Studio Community 2019 version16.2
1. Visual Studioをインストール
- こちらからダウンロードする
- 後述のCUDAtoolkitを使用するのに必要
- ダウンロード後の設定画面において、ワークロードは「C++ によるデスクトップ開発」を選択
2. CUDA toolkitをインストール
- こちらから（tensorflow2.xを使う場合）バージョン10.1をダウンロードする
-
nvcc -Vでバージョン確認
3. cuDNNをインストール
- こちらから（tensorflow2.xを使う場合）バージョン7.6をダウンロードする
- 会員登録が必要。
CUDA toolkitとcuDNNのインストールについては、参考サイトに非常に丁寧にまとめていただいているので、そちらを参照してください。
4. anacondaの仮想環境に入って以下を確認
- 今回当方は仮想環境を新しく作りました。
-
conda list cudnnで、cudnn 7.6.5 cuda10.1_0という結果が返るか確認。 - 上記の結果でなければ、
conda install cudnn=7.6.5=cuda10.1_0を実行。
5. TensorFlow2.1をインストール
conda install tensorflow-gpu-
python -c "import tensorflow as tf;print(tf.__version__)"でバージョン確認
6. keras2.3.1をインストール
conda install keras==2.3.1-
python -c "import keras;print(keras.__version__)"でバージョン確認
7. jupyter notebookで使えるか確認
GPUが認識されているか
- GPUが認識されていれば結果に
device_type: "GPU"という記述が入る
import temsorflow
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
- あとはtensorflowとkerasをimportすれば、私の環境では使用できました。