Anaconda下的tensorflow-gpu2.6.0安装使用

Posted 2023-03-31 硕棋

引言：本次安装全部是在window下安装的虚拟环境，电脑显卡为1650ti，给相同配置的朋友一点参考，也给自己记录一下整体过程。

1.创建虚拟环境

1. 在已经安装anaconda的情况下，搜索点开anaconda prompt
2. 创建python版本为3.9.0的虚拟环境用于搭建tensorflow框架 ，命令格式conda create -n name python=x.x.x，我的命令conda create -n tensorflow2.6.0 python=3.9.0 ，这里安装其他版本的python也可以只要和tensorflow安装版本兼容即可。
3. activate tensorflow2.6.0 激活，要进入到tensorflow里去下载包。

2.虚拟环境配置

1. 接下来需要根据你自己电脑配置选择合适的包安装。

   tensorflow官方安装问题该网址可以查看什么cuda对应什么cudnn对应什么版本的tensorflow。

   怎么选择cuda版本可以参考《主博客 Win10安装Anaconda3、Python、TensorFlow(GPU和CPU版本)、Keras(特别是版本选择)》这篇博客，里面教你如何通过指数值选择合适自己的cuda。

2. 我的cuda是11.2 ，cudnn是8.1，tensorflow是2.6.0

3. 在安装包之前可以导入一些镜像源方便快速下载工具包。

4. 接下来是安装cuda和cudnn工具包，记住在安装tensorflow之前安装！！！

conda install cudatoolkit=11.2 

conda install cudnn=8.1

5. 完成环境安装之后可以安装tensorflow了，pip install tensorflow-gpu==2.6.0 这里使用pip进行安装。

6. 输入代码测试

   python
   import tensorflow as tf
   tf.__version__
   import keras
   

   依然可以参考之前《主博客 Win10安装Anaconda3、Python、TensorFlow(GPU和CPU版本)、Keras(特别是版本选择)》这篇博客

3.pycharm测试

pycharm中file->setting可以打开设置表，右边一个设置按钮，点击可以添加或者显示全部环境，我们添加环境->conda环境->现有环境->…，选择anaconda文件夹->envs文件夹->你的虚拟环境->python.exe,最后全部确定就可以在pycharm上使用该环境了。

我们找个代码测试一下是否有效。

import tensorflow as tf
print(tf.test.is_gpu_available())
print('tf.version:\\n',tf.__version__)

测试结果为true说明tensorflow-gpu可用，2.6.0显示tensorflow版本号

4.其他问题

1.首先2.0版本以上的tensorflow里面已经自带keras了，我们可能会在深度学习的过程中遇到tensorflow.python.keras 和keras版本不兼容的问题，这个时候统一使用tensorflow内嵌的keras ，一致使用 from tensorflow.python.keras代替from keras部分。

2.还有可能是导入的库里面没有所需类，这个时候可以去site-packages里面找到具体路径之后再写，比如

from tensorflow.python.keras.optimizer_v2.adam import Adam

5.常用命令

• conda info -e (查看所有的虚拟环境)
• activate -name (虚拟环境名字)(进入到该虚拟环境中)
• conda deactivate 选择退出环境
• conda remove -n yourenvname --all 删除环境

镜像源

1. 显示镜像源 conda config --show channels

2. 添加新镜像源 conda config --add channels [urls…]

3. 删除镜像源
   conda config --remove-key channels 删除所有的镜像源，恢复到默认
   conda config --remove channels [urls] 删除指定的镜像源

4. 设置搜索时显示通道地址

conda config --set show_channels_urls yes

5. 国内常用源镜像地址：

清华：https://pypi.tuna.tsinghua.edu.cn/simple

阿里云：https://mirrors.aliyun.com/pypi/simple/

中国科技大学: https://pypi.mirrors.ustc.edu.cn/simple/

华中理工大学：https://pypi.hustunique.com/

山东理工大学：https://pypi.sdutlinux.org/

豆瓣：https://pypi.douban.com/simple/

6. conda 安装指定的源

conda install -c urls lib_name

7. 我使用的镜像源为：

• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

（该镜像网址很快很好用>_<）