0


配置深度学习环境(tensorflow-gpu版)

     工欲善其事,必先利其器。我将在此账号总结我入门过程中的经验和走过的弯路。

    在本文中,我将以tensorflow为例展示深度学习的环境配置方法。话不多说,我们开始。

第一步:安装cuda

1.首先查看本机显卡对应的cuda版本,本机cuda版本为11.1,后面选择的cuda版本不要超过这个版本就好。

首先进入英伟达控制面板

a857a7fa101e4be2ade99f28a36779ca.png

然后点击帮助——系统信息——组件

fcec35436fb841f3b37d7dcf72217c4a.png

可以看到我的cuda是11.1.114

b0b9c98146f54e659ec25a5305d77c27.png

2.进入 https://developer.nvidia.com/cuda-toolkit-archive 网站选择相应的cudatoolkit版本下载,版本如前所述,小于等于上面的版本号即可。

40713d4eefef4158962e7d8d5290a68b.png

3.安装cuda
正常安装即可。选择临时解压位置时,该位置文件后续会自动删除,选择默认即可。选择“自定义安装”,然后点下一步。注意其中的CUDA一定要勾选上。

右键“此电脑”,选择属性。选择“高级系统设置”

03f21b685adf47ed970068faf4b1d9d4.png

点击“环境变量”

1e5a026aec5e444fb010d0a69f40344e.png

查看系统变量,有如下的变量代表安装成功了。

85d20a7371f34b25a8c9c033504bf162.png

双击系统变量中的“PATH”,查看有如下地址,则安装成功。

c22c5bd2d8bf45ce8505294107fe1caf.png

第二步:安装cuDNN
1.打开https://tensorflow.google.cn/install/source_windows网址,下拉列表,我们翻到GPU区域。查看cuda,cudnn和python的对应版本。![a79ca59aaf7f4199affe01ba41a5002c.png](https://img-blog.csdnimg.cn/a79ca59aaf7f4199affe01ba41a5002c.png)

2.打开https://developer.nvidia.com/rdp/cudnn-archive网址,我们需要注册一个英伟达的账号,按步骤填写登录即可。登陆后,按照上图所示的版本下载所需的cudnn。下载完成后,将文件拷贝到桌面,解压此文件,得到如图。

4d06512653634ffd86ba3e152d159fa2.png

3.将cudnn文件中对应的文件复制粘贴到cuda的安装目录中。

举例:双击cudnn中的bin文件,全选复制其中的内容,粘贴到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin,即cuda对应的bin文件。a1058aa8736343bb882926735fb871a6.png

后面include和lib中的文件同理。

第三步:安装tensorflow-gpu

我们选用anaconda的方法进行安装,方便实用。

1.下载安装annaconda

下载源:官网Anaconda | Anaconda DistributionAnaconda's open-source Distribution is the easiest way to perform Python/R data science and machine learning on a single machine.https://www.anaconda.com/download/

下载源:清华(个人推荐)

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirrorhttps://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载后正常安装即可,为避免错误发生建议安装到默认目录。

注意:到 Advanced Options这一步 ,第一个是加入环境变量,第二个是默认使用 Python+版本号,我们全部勾选,点击“Install”安装就没问题了。

我们再次进入环境变量查看安装情况,如果按照上述方法安装环境是配好的,如果没有手动添加下面路径到path。

此电脑——属性——高级系统设置——环境变量——path——编辑——新建

E:\Anaconda

E:\Anaconda\Scripts

E:\Anaconda\Library\mingw-w64\bin

E:\Anaconda\Library\bin

2.进行tensorflow-gpu的安装

首先,win+R快捷键,输入cmd,相信大家这部分很熟悉了。

db5c09d7977e4399a5863f1bad929c07.png

输入如下指令,创建名为“tensorflow”的文件,—n即name的首字母,python=3.6为python版本,3.6可以避免后面的一些错误,选择其他版本也可。

conda create -n tensorflow python=3.6

输入指令,激活环境

conda activate tensorflow

我们可以观察到原本括号中的base已经变成我们上面的命名了

164e63f969c9409e8f2c6072ecba5c93.png

输入指令,安装。后面按指令提示的操作按y就行了。

conda install tensorflow-gpu

到这里,tensorflow-gpu版本的环境已经安装成功了。

第四步:日常写代码工具安装

juypter:

右键以管理员身份运行 Anaconda Prompt (anaconda3)

conda activate tensorflow
conda install nb_conda
jupyter notebook

如遇到输入完上述指令无法自动跳转到网页的情况(我就遇到了),

1.首先打开Anoconda Prompt,输入

jupyter notebook --generate-config

2.生成一个名为jupyter_notebook_config.py的文件,Anoconda Prompt窗口中会给出文件所在的路径。根据Anoconda Prompt窗口中给出的路径,找到jupyter_notebook_config.py文件,使用记事本打开。

3.Ctrl+F快捷键,查找

c.NotebookApp.password =

在=后面按回车,另起一行,粘贴下面语句

c.NotebookApp.browser = ''

import webbrowser
webbrowser.register('Microsoft Edge',None,webbrowser.GenericBrowser(u'C:\Program Files (x86)\Microsoft\Edge\Application'))
c.NotebookApp.browser = 'Microsoft Edge'

'Microsoft Edge'代表浏览器名称, C:\Program Files (x86)\Microsoft\Edge\Application为浏览器地址。

4.保存,完成

pycharm:

进入 PyCharm: the Python IDE for Professional Developers by JetBrains下载,安装

进入环境配置,按需求选择脚本路径和解释器即可,win10系统自动选择了。

fd4d27ad75354a53b164d86f738d3c1b.png 38f4bb8f933248c08ee55e47c2c88f66.png


本文转载自: https://blog.csdn.net/weixin_44951192/article/details/125599738
版权归原作者 吴YC 所有, 如有侵权,请联系我们删除。

“配置深度学习环境(tensorflow-gpu版)”的评论:

还没有评论