tensorflow学习笔记 | 01 - 开发环境搭建

Posted 2022-03-02 Mculover666

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：