Windows10搭建PyCharm+CUDA+TensorFl

TensorFlow 2.0致力于简化使用和提高易用性。本文基于Windows10操作系统，使用PyCharm搭建基于GPU加速的TesorFlow开发平台。

安装过程主要包含三个步骤：

1. 安装Anaconda
   Anaconda官网下载Windows操作系统安装包
   

   下载 anaconda
   运行安装包开始安装，勾选Advanceed Options第一项
   anaconda安装

2. 安装CUDA
   2.1 NVIDIA官网下载CUDA Toolkit 10 点击这里下载。注意：必须NVIDIA显卡才支持CUDA

   下载CUDA
   2.2 安装需选择自定义安装。
   自定义安装
   2.3 取消GeForce这个选项
   取消GeForce选项
   2.4 取消Visual Studio选项
   取消Visual Studio选项
   2.5 查看Display Driver选项，左边为安装包中的驱动版本，右边显示为系统当前版本。如果安装包中驱动版本高于系统当前版本这勾选这个选项，否则不勾选这个选项
   Display Driver选项

3. 安装PyCharm配置TensorFlow环境
   PyCharm安装教程很多这里就不过多说明了，主要讲述如何配置TensorFlow环境。
   PyCharm中新建Pure Python项目tf2，Project Interpreter中选择创建新虚拟环境，使用Conda。

   
   py016.png

项目创建好后打开PyCharm的终端，安装TensorFlow2.0

pip install tensorflow-gpu==2.0.0-alpha0

终端

安装cudnn，cudatoolkit numba

conda install cudnn cudatoolkit numba

安装完成后运行gpu_accelerate.py进行性能测试。

import tensorflow as tf
import timeit

with tf.device('/cpu:0'):
    cpu_a = tf.random.normal([10000, 1000])
    cpu_b = tf.random.normal([1000, 2000])
    print(cpu_a.device, cpu_b.device)

with tf.device('gpu:0'):
    gpu_a = tf.random.normal([100000, 1000])
    gpu_b = tf.random.normal([1000, 2000])
    print(gpu_a.device, gpu_b.device)


def cpu_run():
    with tf.device('cpu:0'):
        c = tf.matmul(cpu_a, cpu_b)
    return c


def gpu_run():
    with tf.device('gpu:0'):
        c = tf.matmul(gpu_a, gpu_b)
    return c


# warm up
cpu_time = timeit.timeit(cpu_run, number=100)
gpu_time = timeit.timeit(gpu_run, number=100)
print('warm up:', cpu_time, gpu_time)

cpu_time = timeit.timeit(cpu_run, number=100)
gpu_time = timeit.timeit(gpu_run, number=100)
print('run time:', cpu_time, gpu_time)

运行测试结果如下

测试结果

可以看到左边为使用CPU的计算花费了19秒多的时间，而右边的GPU运算只用了0.01秒。采用测试设备为ThinkPad T470P笔记本 CPU i7-7700HQ,显卡为比较差的GeForce 940MX。