最近刚刚在学tensorflow2，因为自己的显卡不很渣是mx130的，但是又想跑gpu，从官网上找了一下CUDA 发现没有自己的显卡型号，瞬间感觉凉凉，但是又不死心又从官网上找了一下MX130自己的相关信息，发现他支持CUDA，于是就抱着试试看的心里安装了cuda10.1版本结果安装的时候可以，但是只要import tensorflow的时候就各种报错。于是我就试了一下cuda10.0版本结果成功了！超级开心！这里就不详细写安装步骤了，只是把一些关键的地方写一下，剩下的大家上网上搜一下一般的教程就可以，都一样。

以下是要注意的地方。

（1）MX130的驱动一定要下载最新的，否则可能不行。

（2）安装cuda的时候一定要选择10.0版本的，不能选10.1版本的否则不行。（特别重要，我自己亲自试验的）

cuda的网站：https://developer.nvidia.com/cuda-toolkit-archive

（3）安装cuda的时候他会自动检测你的系统是否符合，如果符合就进入下一步，当选择安装模式的时候一定要选择自定义模式，在自定义模式下要这样选择：

要是没有特别的需求不要安装visual Studo，否则容易报错！

（4）cudnn的选择一定要选择与cuda相匹配的版本

cudnn网址：https://developer.nvidia.com/rdp/cudnn-download（这里需要注册，随便注册一个就可以）

下载画红圈的那个版本。

 

（4） cudnn下载完成以后解压，然后把文件里的cudn文件夹改名成cudnn，然后拷贝到c盘这个路径（如果你也是默认路径的话会跟我一样）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0复制完成后就是下图这样：

（5）安装完成后注意要配置环境变量！在安装的时候已经帮我们配置好了两条（图中红圈部分是已经配置到的），我们只需要配置另外两条并且要把他们置顶，分别要配置图中黄色部分的内容（如果你也是默认的地址，那么配置的地址应该跟我是相同的）

 

安装完成后就可以用tensorflow2的gpu版本了！

这个是测试代码：（这是一个矩阵计算：分别用CPU和GPU进行计算，很明显的可以看出gpu比CPU快2600多倍）

import tensorflow as tf
import timeitwith 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([10000,1000])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 cdef gpu_run():with tf.device('/gpu:0'):c = tf.matmul(gpu_a,gpu_b)return ccpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup: ',cpu_time,gpu_time)cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time: ',cpu_time,gpu_time)

结果图：

希望我的博客对大家有帮助！
如果您我的博客对您有帮助请关注我，如果您想打赏我请扫描下面微信二维码，您的支持是我更新的最大动力。