【AI】Windows下的环境搭建（Tensorflow-gpu、CUDA&cuDNN、Opencv）

硬件平台：windows10、NVIDIA GeForce GTX 1050

软件平台：Pycharm、Anaconda3、Tensorflows

实现功能 基础平台搭建

一、安装 Pycharm & Ananconda3

两个软件的安装步骤简单。

需注意的是，建议先安装Pycharm，这样在安装完Ananconda后可以直接在Pycharm中创建后续船舶检测分类的虚拟环境。

具体安装及配置步骤，参考：  Anaconda与Pycharm详细安装配置 
 

二、安装CUDA&cuDNN

CUDA是NVIDIA推出的用于自家GPU的并行计算框架，cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。 

本项目中需要使用GPU进行神经网络的训练，故CUDA 和 cuDNN都需要安装。

需要注意的是，CUDA 和 NVIDIA的版本对应关系是非常重要的，而tensorflow-gpu和CUDA、cuDNN的版本都有严谨的对应关系，版本不对应将无限bug。建议读者先查询tensorflow-gpu的版本对应关系表，再查询CUDA对应NVIDIA驱动版本关系表。

                                                 tensorflow-gpu版本对应关系表

                                               CUDA对应NVIDIA驱动版本关系表

阅表后，按照以下顺序进行安装：显卡驱动更新（去n卡官网即可实现）—— CUDA —— cuDNN 在安装cuDNN时，需注意cuDNN库并不是运行程序，只需要下载解压 cuDNN 文件，并配置 Path 环境变量即可。

具体安装操作步骤，请参考：CUDA & cuDNN

三、安装 tensorflow-gpu & keras-gpu==2.6.0 

tensorflow-gpu 可以直接在pycharm中使用

pip install tensorflow-gpu==你需要的版本 -i https://pypi.mirrors.ustc.edu.cn/simple

特别注意，不要安装tensorflow 否则 会自动有限使用cup版本的神经网络。

在pycharm中直接安装keras-gpu==2.6.0 

 

安装后可以使用下面的测试代码进行环境测试，可以输出正确的tf-gpu版本即为环境安装成功。

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print(tf.__version__)
print('GPU:', tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())

效果如下：

 

四、安装opencv 

pip install opencv-python -i https://pypi.mirrors.ustc.edu.cn/simple

总结：笔者的显卡版本是GTX1050的直接更新了497.29版本的驱动；CUDA 11.2 ; cuDNN 8.2.0 ; Tensorflow-gpu 2.6.0 ; python 3.8 ; keras-gpu 2.6.0