小白入门深度学习 | 第一篇：配置深度学习环境

Posted 2021-08-06 K同学啊

文章目录

• 一、配置Python3环境
• 二、安装 CPU版本的tf2环境
• 三、安装 jupyter notebook
• 四、安装 GPU版本tf2环境
• • 1. 找到显卡对应的CUDA
  • 2.下载相应的CUDA
  • 3. 下载相应的cudnn
  • 4. 添加环境变量
  • 5.安装tensorflow-gpu

一、配置Python3环境

这里推荐去Python官网下载安装包，不推荐使用 anaconda ，不然在配置GPU版本的tensorflow环境时，会出现各种你意想不到的意外。

前往Python安装包官网：https://www.python.org/downloads/release/python-365/，选择自己电脑对应的版本

我的电脑是win10，我选择的是Windows x86-64 executable installer

点击python-3.6.5-amd64.exe安装包运行它

安装成功后，将会看到一个这样的界面

恭喜你，Python环境安装成功！

二、安装 CPU版本的tf2环境

我们继续安装CPU版本的TensorFlow2的环境

同时按住 WIN键 + R 键，打开如下界面

输入 cmd 后回车键运行，你将会看到如下界面

输入 pip install tensorflow -i https://pypi.mirrors.ustc.edu.cn/simple/ 安装tensorflow2包，后缀 -i https://pypi.mirrors.ustc.edu.cn/simple/ 是镜像（如果你不知道什么是镜像，不要管，现在知道它可以加速tf2的安装就好了，配置好环境你再研究镜像去），我常用镜像地址：https://mtyjkh.blog.csdn.net/article/details/114660229

安装好后，你可以看到如下界面，黄色字部分可以忽略它，不影响我们的。（只要不出现红色字就OK）

再次确认，输入 pip list，检查tensorflow2是否安装成功，如果你可以再列表中找到 tensorflow2 包，那就是安装成功了

再次恭喜你，CPU版本的tensorflow2环境安装成功了

三、安装 jupyter notebook

再接再厉，我们接着安装我们的编译器 jupyter notebook

安装完成后，同时按住 WIN键 + R 键，输入 jupyter notebook

你将打开 jupyter notebook 会得到如下界面

点击右上角的 new 创建一个Python3 文件，你将得到如下的界面

然后你就可以在上面运行 Python3 程序了，关于 jupyter notebook 的详细使用教程，我将在第二篇展开详细介绍

四、安装 GPU版本tf2环境

GPU版本的安装比较需要耐心，淘宝上帮忙配置GPU版本的 tf 环境价格一般是500元，学到就是赚到。

在下面我们需要注意这几个东西的版本：显卡类型、CUDA版本、cudnn版本、TensorFlow2环境，其中任何一个环节出错都会导致环境配置失败。

1. 找到显卡对应的CUDA

第一步，打开我们的显卡，查看其支持的CUDA版本号，首先找到它右键打开 NVIDIA 控制面板

找到你显卡对应的 CUDA版本

2.下载相应的CUDA

第二步，进入谷歌，搜索相应的版本

下载这个安装包，然后直接安装就可以了。

3. 下载相应的cudnn

前往cudnn官网：https://developer.nvidia.com/rdp/cudnn-archive，找得到你CUDA对应的cudnn

这个它会要求你注册一个账号，按照它的步骤来就好了

下载完成后，你会得到一个文件夹，里面有include、lib64、bin三个文件，将它复制到CUDA的文件夹（C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.1）。

4. 添加环境变量

右键电脑，打开属性

选择高级系统设置，环境变量，Path

将下面四个路径添加到环境变量当中去，这一步就OK了

5.安装tensorflow-gpu

输入 pip install tensorflow-gpu -i https://pypi.mirrors.ustc.edu.cn/simple/

输入 pip list 检查安装结果

进入 jupyter notebook 再次检查GPU版本的tensorflow2是否安装成功

输入代码

import tensorflow as tf

gpus = tf.config.list_physical_devices("GPU")

if gpus:
    tf.config.experimental.set_memory_growth(gpus[0], True)  #设置GPU显存用量按需使用
    tf.config.set_visible_devices([gpus[0]],"GPU")

print(gpus)

你应该可以得到如下结果：

恭喜你，GPU版本的tensorflow2环境配置完成，一共节约了 500元 。