tensorflow学习笔记 | 01 - 开发环境搭建
Posted Mculover666
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了tensorflow学习笔记 | 01 - 开发环境搭建相关的知识,希望对你有一定的参考价值。
安装必看
首先,查看你的电脑有没有GPU,若无,劝退。
其次,找找你的身边有没有大佬能带带你,若无,劝退。
在【NVIDIA控制面板】->【系统信息】->【组件】界面,可以看到显卡最高支持的CUDA版本,这里我的破显卡最高支持 cuda11.1版本:
接着,根据显卡最高支持的CUDA版本,来综合选择你所能使用的tensorflow版本。
在 tensortflow 环境搭建中,需要时刻注意python版本、cuda版本、cudnn版本、tensorflow版本之间的一致性,并且遵守:主版本号不要跨越,次版本高可以略高。。
比如这里我的显卡最高支持的CUDA版本是11.1,所以我只能最高安装2.4.0版本的tensorflow-gpu(下文用tf代替),但我这里选择装CUDA 10.2,也是OK的。
确定CUDA装10.2后,就只能装7.x版本的cuDNN for 10.2,再倒推,要用2.5-2.8的python环境,再倒退,最高只能装tf 2.3.0。
所以本文中作者的环境版本是:
- CUDA:10.2
- cuDNN:7.6.5 for CUDA 10.2
- Python:3.6
- tensorflow-gpu:2.3.0
下面的参考图来自官网:https://tensorflow.google.cn/install/source_windows#gpu。
一、windows平台
1. anaconda
下载地址:https://www.anaconda.com/products/individual
下载完成之后一路next进行安装:
2. CUDA
笔者显卡为NVIDIA GeForce GTX 760 2GB.
(1)下载CUDA(10.2版本)
下载地址:https://developer.nvidia.com/cuda-10.2-download-archive
(2)安装 CUDA(自定义方式安装)
设置临时解压路径:
等待系统检查通过,同意许可协议:
选择自定义安装:
取消安装图中圈出的这个软件(用不到):
去掉对Visual Studio的支持(用不到):
检查CUDA自带的显卡驱动版本与电脑当前版本号,如果低于则取消显卡驱动安装,否则显卡驱动安装会失败:
进入下一步,保持默认路径:
继续点击下一步开始安装:
安装完成:
检查是否安装成功:
确认一下cupti:
(3)安装cuDNN(7.6.5 for CUDA 10.2)
下载地址:https://developer.nvidia.com/cudnn。
下载后解压,重命名为cudnn,复制到CUDA安装路径下,如图:
将cudnn下的bin目录配置到环境变量并置顶:
再将之前cupti库的目录也添加到环境变量并置顶:
一路确定退出,然后重启电脑生效。
3. tensorflow
打开anaconda的命令行环境进行安装。
换阿里源:
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
创建新环境:
conda create tf_fuck python=3.6
conda avtivate tf_fuck
安装:
# gpu版本
pip install tensorflow-gpu==2.3.0
安装完之后测试:
import tensorflow as tf
测试GPU是否配置成功:
tf.config.list_physical_devices('GPU')
成功导入,找到GPU,结果如下:
导入tf时如果找不到cudart64_101.dll这个文件,下载这个dll文件(CUDART64_101.DLL),放到
C:\\Windows\\System32
即可。
4. pycharm
(1)下载安装
下载地址:https://www.jetbrains.com/pycharm/
下载之后直接安装即可。
(2)配置
在Pycharm创建项目时,配置解释器为conda中的解释器:
以上是关于tensorflow学习笔记 | 01 - 开发环境搭建的主要内容,如果未能解决你的问题,请参考以下文章
Tensorflow学习笔记---1--Python基本操作
Tensorflow学习笔记(对MNIST经典例程的)的代码注释与理解
机器学习笔记 - TensorFlow Lite设备端机器学习的模型优化