tensorflow-gpu的安装
总目录(务必先看这个,之后再点击跳转到对应部分)
以下均是按照顺序来的。当然也可以缺啥看啥。
总的安装需要安装Anaconda,cuda+cudnn(这俩必须匹配)以及对应的显卡驱动,最后就是tensorflow-gpu的下载。
在进行第二步以及之后几步之前,务必根据你自己的cuda来确定合适tensorflow-gpu的版本,详见链接:
tensorflow-gpu版本确定
点开后,如下图,确定你的心仪搭配:
其中圈出来的是我下载的搭配。
1.查看你的显卡并下载NVIDIA驱动
两种办法:
(1)对笔记本而言,你电脑键盘的左下角下边那儿贴了个绿色的标签,那个就是你的显卡的型号。我的是GeForce940MX,你的自己看就好了。
(2)电脑桌面左下角的搜索键,输入“设备管理器”后回车打开:
你的下面如果没有那个GeForce什么的也无妨,下来下载安装即可。
- 下载NVIDIA驱动
链接:NVIDIA驱动下载链接
打开后如下图,可以手动搜索也可自动,我是为了准确,手动的:
找到后下载下来然后双击安装即可。安装完了,登陆上去,这个中间会涉及到一个“我是人类”的验证,可能会失败,多弄几次就行。 - 安装都进行完了之后就可以在设备管理器看到那个了。
2.下载Anaconda
如果直接去官网下载会非常慢,在清华的镜像网站下载会很快:
Anaconda下载链接
打开后,按照Windows,位数(我的64位)找到合适的下载,我就下载的最新版本的,直接下拉页面到最下面,点击即可下载:
我下载的就是图中的勾出的那个
特别注意:
位数一定要看对。因为32位的在你的64位上也可以安装下来,但是后面会出现很多问题,比如在current channels里找不到你要下载的包。还有一个问题,很多人看的2018、2019年的博客说是清华的镜像Anaconda被封停了,但是当年最后又恢复了,所以现在不用操心这个问题。
下载完了后,在任意一个盘里创建一个文件夹,文件名自定义,最好是英文的,然后双击刚才下载的下来的开始安装:
安装路径就选到刚才的那个文件夹,然后下来出现的,对号都勾上,这样就可以自动添加环境变量了。
如果有人的环境变量PATH都满了,网上有办法解决,自己去找一下。
下载完了后,可以在Anaconda Prompt(桌面左下角点击开始键就可以看到最近安装的这个)里使用conda命令,如果出现了既不是…又不是…的错误,就是要添加环境变量了,在你的Anaconda安装目录下找到Scripts这个文件夹,复制它的路径后,然后在PATH里面粘贴添加它(下面以我的为例):
D:\Anaconda3\INSTALL\Scripts
添加了后就不会出现那个问题了,如果还有,那你百度吧。
3.下载cuda+cudnn
cuda下载:
cudnn下载:
cudnn下载链接
官网在不断更新cudnn,所以每一个cuda都有好几个cudnn版本,这个只要对应上就行,你也可以按照tenosorflow那个网站的表上看到的来进行。
cuda和cudnn的安装以及环境变量的配置,其他很多博客都有,我就不写了,写来写去都是一样的。
4.安装tensorflow-gpu
也不知道有多少人跟我是一样的要在PyCharm里面写代码,所以要在PyCharm里导入tensorflow。但是tensorflow又是用Anaconda安装的,所以有必要用Anaconda创建一个环境后在PyCharm导入。
Anaconda创建环境:
conda create -n tf_gpu python=3.7 cuda=10 cudnn
别急着运行哈:
- -n是name的意思,是说要指定环境的名称了。
- tf_gpu是环境名称,你自己可以任取(英文的)
- python=3.7是指定python版本,如果你安装的pycharm是3.7的,你这里用3.6,3.5的也可以,这个和你的那个3.7的是完全独立的,不用担心。
- cuda=10.0这里是安装cuda;cudnn不用指定版本号,它会自己匹配下载合适的。
有人可能会疑问为啥刚才装过了还要再弄?根据我自己的实践发现,如果没有这样,那么运行程序用的还是CPU;这样了之后,就用上了GPU做计算了。
那可能又有人会疑问:既然这里装了,那刚才那个不装了行不行?我没尝试,不知道结果;但你可以试试,因为我在B站看到有人这样做还成功了,但是他的是Linux系统,不知道问题大不大。我在想因为安装了NVIDIA驱动了,就把他的cuda、cudnn也一起安装了好了。
激活环境
在Anaconda Prompt里面哈,刚才的创建会下载一系列东西,全部完成后,用如下命令激活环境:
activate tf_gpu
然后就进入这个环境中了:
那个括号里的就是环境名称。
然后在该环境下,下载tensorflow-gpu:
conda install tensorflow-gpu=1.14.0
或者如下命令下载也可以:
conda install --channel https://conda.anaconda.org/anaconda tensorflow-gpu=1.14.0
这个过程会下载好多好多文件,耐心等待就行。如果你没用镜像,那下载的会非常慢,还容易失败,所以推荐用镜像下载。
用镜像下载需要添加channels:
在Anaconda Prompt的base环境里运行如下两行代码:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# 查看channels
conda config --show channels
添加好了后再下载速度应该就不错了。
5.在PyCharm导入该环境
在PyCharm导入该环境主要是定位到Conda下的python.exe文件
步骤:File -> settings -> Python Interpreter
你的应该是没有这个的,那个齿轮的设置点击后可以添加环境,添加了后用过一次,以后再创建新的环境就可以直接看到这个被列入到环境的目录中去了:
在该Project下可以新建一个python文件,然后在里面:
import tensorflow
如果可以导入了,一般就可以了,算是tensorflow安装成功了。很多别人的博客里也都有示例代码可以运行,也可以拿过去试试。
有了GPU的参与,程序运行会比CPU执行程序快很多,下面是我做的一个利用ImageAI的运行效果:
里面黄色部分的说明是说我的CPU什么的可以用,但是我没用。之前我也查过了,这个就是用了GPU的,并且另一方面是因为我已经把这个程序运行过一次了,所以它用了缓存直接出结果,GPU的执行过程没有再显示出来。但是确实用了GPU。