TensorFlow保姆级的教程---从安装到售后

最新推荐文章于 2023-03-30 22:43:47 发布

@秋野

最新推荐文章于 2023-03-30 22:43:47 发布

阅读量440

点赞数 1

分类专栏： TensorFlow 文章标签： tensorflow python pycharm anaconda cuda

本文链接：https://blog.csdn.net/BGMcat/article/details/120832994

版权

TensorFlow 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

简述：从TensorFlow的安装，我深刻的理解了一个词叫按部就班。就是你不能跳，嫌下载的慢，节约时间提前把需要的东西都下载下来，认为它会自动兼容拼接。如果在pytorch那里还是勉强可以的，但是在TensorFlow这里，如果你和我一样是个菜狗子就不要跳，按照我掉了无数次的坑，总结出来的康庄大道走吧。当然如果你遇到了新的错误，一起分享补充，做大做强，再创辉煌。

第一步：
安装Python，具体安装就不写了，但这里我建议安装3.6 - 3.7版本的
原因有二：
1，轮子文件好找，如果镜像源没有实现或其他原因在线下载慢，直接弄个离线轮子文件就快了，多种方法多条路。
在这里插入图片描述
2，相较于高版本的，3.6 - 3.7更完善，在3.8 出现很久的一段时间里TensorFlow都是不支持的，现在好像能用了,anaconda里就能用，但我没有测试。

第二步：
安装运行环境，pycharm或者anaconda。
anaconda自带有Python，所以你第一步没有下载或者像我一样pycharm搭配的是py3.8的版本,像体验新事物，可以直接下一个anaconda。当然pycharm也可以使用添加anaconda下载的py版本。以安装anaconda为例：

百度网盘地址：
conda=4.8.3版本
链接：https://pan.baidu.com/s/1VPqaJ1FrW1RYiQgx_tzLzA
提取码：nqit
当然也可以到清华镜像源去下载
https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/
官网下载：https://www.anaconda.com/download/
基本上anaconda安装很简单，选择好安装地址，next next，想改改路径就改改，不改默认c磁盘就好了。

检查anaconda的安装：
打开cmd 或anaconda prompt输入conda --version
在这里插入图片描述
给你的anaconda配置一个py环境
查看所有的py版本

我们就选用py3.6版本
好像默认带一个环境base有py3.6版本，这个我忘记了。我们也可以创建一个环境project为他配置一个py3.6,这个project是一个相对独立的环境，下载到这个环境中的库，其他的环境无法使用。

创建环境：conda create -n project python=3.6
激活tensflow的环境：conda activate project
tensorflow的环境添加到了Anaconda里面：conda info --envs
检测当前环境中的python的版本：python --version
退出tensorflow的环境：conda deactivate
切换到tensorflow的环境：activate project

查看所有的虚拟环境：
在这里插入图片描述

第三步：
检查显卡型号
在桌面上右击如果能找到NVIDA控制面板，则说明该电脑有GPU。方法如下：桌面上右键单击-》点击NVIDIA控制面板-》系统信息-》组件，会看到如下的信息，当前支持的是11.0
在这里插入图片描述
对应显卡型号下载对应的cuda版本
没有的话，在NVIDIA官网搜索并安装自己电脑对应的显卡驱动
官网:https://www.nvidia.cn/Download/index.aspx?lang=cn
第四步：
安装CUDA，对应版本在文末
下载CUDA相应版本：https://developer.nvidia.com/cuda-downloads
如果需要下载CUDA的历史版本，请到这里：https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述
选择精简（Express）安装，一直右击即可
安装完成后，桌面会出现一个小地球图标啊

检查cuda:
cmd输入命令：（返回版本等信息）

nvcc -V

在这里插入图片描述

第五步：
安装cudnn,对应版本在文末
下载地址：https://developer.nvidia.com/rdp/cudnn-archive
但要注册，跳过祖册的方法就是加钱！当然不是，右击你要下载的cudnn版本，选择复制链接，打开迅雷下载，虽然慢点，但不用在为那恶心网站苦恼了。
解压完成后，将对应文件夹下的东西，复制到CUDA 的安装路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0的对应文件夹中，bin.lib,include.
在这里插入图片描述

第六步：
安装TensorFlow，对应版本在文末

pip uninstall tensorflow #卸载原来的
#下载新的
pip install  tensorflow==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

测试TensorFlow：
在pycharm或在有tensorflow的project的环境下，执行命令：python后，输入

import tensorflow as tf
sess=tf.Session()
a=tf.constant(10)
b=tf.constant(20)
print(sess.run(a+b))

正常来说出现successful,和30，单不正常的话，就难搞了
在这里插入图片描述

后续报错：

报错：AttributeError: module ‘tensorflow’ has no attribute ‘Session’
问题产生的原因：是tensorflow版本不同导致的，tensorflow版本2.0无法兼容版本1.0.，改为

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
sess=tf.compat.v1.Session()
a=tf.constant(10)
b=tf.constant(20)
print(sess.run(a+b))

若出现警告E:\software\Anaconda3\lib\site-packages\h5py_init_.py:36: FutureWarning:
Conversion of the second argument of issubdtype from float to np.floating is deprecated. In future, it will be treated as np.float64 == np.dtype(float).type.from ._conv import register_converters as _register_converters
请忽略，不要看网上的攻略说降级numpy就可以。。降了以后tensorflow直接挂了，未来h5py版本升级后会解决的。
报Could not load dynamic library ‘cudnn64_7.dll’; dlerror: cudnn64_7.dll not found，未找到cudnn64_7.dll，说明你下载的cudnn版本一个是v8.*.*,应该下载v7.*.*
Could not load dynamic library ‘cusolver64_10.dll’; dlerror: cusolver64_10.dll not found，未找到cusolver64_10.dll，那就是你cuda和TensorFlow的版本不匹配，按照这个表下载对于版本。
官网查询：
https://tensorflow.google.cn/install/source_windows

测试获取GPU：

import tensorflow as tf
tf.debugging.set_log_device_placement(True)
gpus = tf.config.experimental.list_physical_devices('GPU')
for gpu in gpus:
    tf.config.experimental.set_memory_growth(gpu, True)
print(gpus)
logical_gpus = tf.config.experimental.list_logical_devices('GPU')
print(logical_gpus)

2021-10-18 20:24:10.396253: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1257] Device interconnect StreamExecutor with strength 1 edge matrix:
2021-10-18 20:24:10.396498: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1263]      0 
2021-10-18 20:24:10.396650: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1276] 0:   N 
2021-10-18 20:24:10.397459: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1402] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1342 MB memory) -> physical GPU (device: 0, name: GeForce MX250, pci bus id: 0000:01:00.0, compute capability: 6.1)
[LogicalDevice(name='/device:GPU:0', device_type='GPU')]

最终得到这种全是successful的图，那就ok,收工。
在这里插入图片描述