学习中要用到TensorFlow了,花了一些功夫装上了,期间在网上获得了很多同仁的教程的帮助,本着本着共同学习、方便他人的想法,我把我整理的安装过程也写在这里,希望能对读者有些许助益。
系统:win10
TensorFlow版本:1.14.0
CUDA版本:cuda_10.0.130_411.31_win10
cudnn版本:cudnn-10.0-windows10-x64-v7.6.1.34
Anaconda版本:(Anaconda的版本没有影响,在这里我用的之前安装的python3.7版本的)
〇、写在前面
只有NVIDIA显卡才支持用GPU跑TensorFlow。可以在https://developer.nvidia.com/cuda-gpus查询GPU是否支持CUDA,不支持CUDA的显卡是无法使用TensorFlow-GPU版本的,这一般需要显卡计算能力在3.0以上才适合。
一、Anaconda安装
官网https://www.anaconda.com/
Anaconda是一个可以在Linux,Windows和Mac OS X上执行Python / R语言的包管理工具,他可以针对某个应用搭建一个专门的环境(导入生成一个包的集合),Anaconda可以
- 快速下载1,500多个Python / R数据科学包
- 使用Conda管理库,依赖项和环境
- 使用scikit-learn,TensorFlow和Theano开发和训练机器学习和深度学习模型
- 使用Dask,NumPy,pandas和Numba分析具有可伸缩性和性能的数据
- 使用Matplotlib,Bokeh,Datashader和Holoviews可视化结果
下载地址:https://www.anaconda.com/distribution/#download-section
安装完成后在Windows菜单栏找到Anaconda Prompt的可执行程序,点击打开弹出控制台操作页面。
几个常见的操作命令如下:
命令 | 作用 |
---|---|
python | 查看python版本 |
conda info --envs | 查看当前创建的环境都有哪些 |
conda create -n 环境名 | 创建环境 |
conda create -n 环境名 python=版本号 | 创建环境的同时指定python版本 |
conda activate 环境名 | 进入环境 |
conda deactivate | 退出当前环境 |
conda install 包名 | 安装某个包 |
pip install 包名 | 安装某个包 |
conda list | 在进入一个环境后使用该命令,可以查看该环境中装了那些包 |
二、安装TensorFlow
官网:https://www.tensorflow.org/
TensorFlow是谷歌大脑的第二代机器学习系统。
从0.8.0版本(发布于2016年4月)开始本地的支持分布式运行。
从0.9.0版本(发布于2016年6月)开始支持iOS。
从0.12.0版本(发布于2016年12月)开始支持Windows系统。该移植代码主要由微软贡献。
1.0.0版本发布于2017年2月11日。虽然参考实现运行在单台设备,TensorFlow可以运行在多个CPU和GPU(和可选的CUDA扩展和图形处理器通用计算的SYCL扩展)。目前TensorFlow可用于64位Linux、macOS和Windows,以及移动计算平台,包括Android和iOS。
TensorFlow 有cpu和 gpu两个版本:gpu版本需要英伟达CUDA 和 cuDNN 的支持,cpu版本不需要,GPU版本的优势主要是因为GPU以并行的方式处理数据,在进行深度学习时可以明显的减少数据处理的时间;本文主要安装gpu版本。
在上一步打开Anaconda Prompt的控制台之后
(1)键入命令
conda create -n tensorflow python=3.7
创建一个基于python3.7名为tensorflow的环境,需要等一会儿。
(2)键入命令
activate tensorflow
进入该环境下。
(3)键入以下命令安装TensorFlow
pip install --upgrade --ignore-installed tensorflow-gpu
也可以指定TensorFlow的版本号,命令如下
pip install --upgrade --ignore-installed tensorflow-gpu==1.14.0
等一会后,tensorflow 就安装好了。
我安装的是(20190707)默认版本(1.14.0)
三、安装CUDA
注意:!!!TensorFlow与CUDA需要版本对应才能成功运行!!!可以在TensorFlow的官网下(https://www.tensorflow.org/install/source_windows#gpu)找到进过官方测试的版本的对应表
我这里安装的1.14.0版本在表中并没有,导致我还走了个弯路,我先安装了最新的CUDA10.1,结果在测试的时候出错,提示要用10.0版本的,,,经过笔者测试,CUDA10.0版本与TensorFlow1.14.0对应是可用的。
CUDA最新版本下载地址:https://developer.nvidia.com/cuda-downloads
我从这里下载了10.0版本的:https://developer.nvidia.com/cuda-10.0-download-archive
下载下来的是一个.exe的可执行文件,运行安装即可,建议使用默认的安装地址,查资料时其他人有说改变了安装地址会出错的,笔者没有进行测试。笔者猜测应该是环境变量的问题,曾经看到有写配置CUDA环境变量的说法(https://blog.csdn.net/ytusdc/article/details/80252442),但是这里直接用默认地址,安装完成后即可使用。
有些教程说安装进行到“选项”一项时选择自定义安装,自定义项目可以在https://blog.csdn.net/xiaohuihui1994/article/details/83589701中找到。我嫌麻烦就一路默认安装了,反正磁盘空间有的是~
安装完成后可以测试一下,打开命令行键入
nvcc -V
出现如下反馈即为安装成功,如果不成功可以尝试配置环境变量(https://zhuanlan.zhihu.com/p/37086409)。
四、安装cudnn
注意:!!!要安装跟CUDA对应版本的cudnn!!!,这个只要在下载的额时候选择对版本就可以了。
下载地址:https://developer.nvidia.com/rdp/cudnn-download
会提示:
您请求的文件或页面需要NVIDIA开发人员计划的会员资格。要获得访问权限,请登录或加入计划。谢谢。
只需要登录就可以了。
勾选 I agree~~~在这里插入图片描述
选择你需要的对应版本
下载下来是个压缩文件,解压,把bin,include,lib\x64里面的文件(共三个)分别拷贝(注意是拷贝文件,不是覆盖文件夹)到你CUDA的安装目录中的对应文件夹下,默认目录为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
五、测试一下
按第二节的内容,进入tensorflow环境中,键入
python
进入python的编译环境
依次键入以下命令
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
可以看到已经成功了,能在反馈中看到你的显卡信息,定义的函数可以运行。