文章目录
一、配置清华镜像源
1.主要镜像源地址
# 更改conda默认下载地址,使用清华镜像源地址
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
2.第三方包镜像源地址
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/mro/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
3.查看当前镜像源配置
conda config --show channels
二、配置pip默认国内镜像地址
python -m pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
如果需要临时使用镜像源地址
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple <包的名字>
三、安装Tensorflow2.8_GPU依赖环境
# 安装GPU显卡驱动支持
conda install cudatoolkit=11.3.1
conda install cudnn=8.2.1
# 安装Tensorflow2.8
pip install tensorflow==2.8 # tensorflow2.0以后cpu版本和gpu版本合并为一个包,因此直接安装Tensorflow==2.8即可
# 使用临时源安装(如必要可选该方式),如
pip install tensorflow==2.8 -i https://pypi.tuna.tsinghua.edu.cn/simple # 清华源可换成其它源地址
四、验证GPU环境是否安装成功
# 验证tensorflow_GPU环境是否安装成功
# 如果运行结果出现
# tensorflow version: 2.8.0 GPU available: True
# tf.Tensor([2. 4.], shape=(2,), dtype=float32)
# 这两段话,说明运行环境已经安装成功
import tensorflow as tf
tensorflow_version = tf.__version__
gpu_available = tf.test.is_gpu_available()
print("tensorflow version:", tensorflow_version, "\tGPU available:", gpu_available)
a = tf.constant([1.0, 2.0], name="a")
b = tf.constant([1.0, 2.0], name="b")
result = tf.add(a, b, name="add")
print(result)
运行结果例如
五、Tensorflow2.8_GPU环境配置完成
六、通过nvidia官网下载驱动安装GPU环境
0.
查看电脑显卡支持的最高CUDA的版本,下载的cuda驱动需要不高于电脑的版本。
方法一
在显卡驱动被正确安装的前提下,在命令行里输入nvidia-smi.exe,效果如图所示:
方法二
依次打开:控制面板==>NVIDIA控制面板==>帮助==>系统信息==>组件==>NVCUDA.DLL==>产品名称
可以看到显示CUDA Version为12.2.146,说明该显卡最高支持到12.2,我这里就选择12.2的版本,你也可以选择更低的版本比如 12.1或12.0更低的版本。
1.
通过nvidia官网下载最新的CUDA和CUDNN
官网链接:
https://developer.nvidia.com/
CUDA链接:
https://developer.nvidia.com/cuda-toolkit-archive
cuDNN链接:(需登陆英伟达账号才能下载)
https://developer.nvidia.com/rdp/cudnn-archive
注:一般当前最新版本的cuda、cudnn和最新版本的tensorflow是兼容的。
2.
cuda.exe可以直接安装,完成后的默认安装路径是:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6
3.
cudnn解压后是这样的:
注:可以将(bin、include、lib)三个文件直接复制到cuda的跟目录中,LICENSE文件不管:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6,其中cudnn的lib里的文件复制进cuda的lib中的x64文件里,如图:
这样,下一步添加环境变量时,就可以让cuda和cudnn一起共用几个环境变量路径。
4.
在系统环境变量中添加环境变量,右键我的电脑,点击高级系统设置>高级>环境变量>系统变量。
找到path,双击进入,将cuda的以下几个文件的路径加入path环境变量中:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib\x64
5.
完成,显卡驱动cuda、cudnn安装成功。