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

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

「第61期」-机器学习-01-TensorFlow机器学习框架

2022年Java学习笔记目录