深度学习tensorflow环境配置全教程

已于 2023-11-08 18:08:55 修改
阅读量5.8k 收藏 71
点赞数 31
分类专栏： 机器学习 文章标签： 深度学习 tensorflow 人工智能 机器学习
于 2023-07-17 22:08:48 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Ps_hello/article/details/131696828
版权

基于深度学习的tensorflow环境配置

  • 系统：windows
  • 编程软件：Pycharm
  • 编程语言：python
  • 在进行深度学习相关学习过程中运行代码需要对应的tensorflow环境，所查询到的资料大多不够完整，自行整理出教程，以供自己后续参考使用。为便于多个环境的管理，使用的是Anaconda创建一个单独的tensorflow虚拟环境

1. 安装anaconda

1.1 下载anaconda

官网网址，点击图中download即可自动下载
​​Alt

1.2 anaconda 的安装

  1. 找到刚刚下载好的文件双击打开，如图,点击next
    anaconda安装
    2）点击I Agree
    在这里插入图片描述
  2. 选择"Just Me"或“All Users";(若想为多个用户安装，选择”All Users",若仅为当前用户安装，则选择"Just Me"）
    在这里插入图片描述
    4）设置安装路径，路径名称最好为全英文，点击“next"
    在这里插入图片描述
    5）**！！！**第二个选项的意思是将安装路径添加到系统环境中，有的教程写勾选后会出现问题，官方也会给出红色提示，但我自己安装时勾选了添加路径，大家根据自己需要选择，没选的安装完需要手动添加安装路径，这部分请参考其它教程。
  • 其它为默认勾选，然后点击install，等待安装完成。
    在这里插入图片描述

2.安装cuda

2.1 查看电脑cuda版本

  • 按下快捷键 Win + R 打开运行>>输入 cmd 回车>>出现如下界面。
  • 输入nvidia-smi,查看本机所支持的最高cuda版本（记住这个版本号，安装cuda不可以超过这个版本，否则会出问题，驱动程序号同理）,如图本机支持的最高cuda版本为11.7，驱动程序版本为516.40.

在这里插入图片描述

2.2 下载cuda安装包

在这里插入图片描述

  • 点击“download now"

在这里插入图片描述

  • 如果自己电脑支持最新cuda，可下载最新版本，但最新版往往不够稳定，建议稍降低版本安装，页面下滑找到cuda曾经版本

在这里插入图片描述

  • 为避免版本过高，此处我选择11.5.0版本cuda进行下载

在这里插入图片描述

  • 选择更详细的参数，windows11(根据自己系统版本选择）,exe(local）版本下载

在这里插入图片描述

  • 找到下载好的文件，双击运行，等待cuda安装完成，需要数分钟。此处不建议改路径，容易找不到cuda，cuda主要是用来做GPU加速的

出现如下界面：

  • 系统检查：选择同意并继续
    在这里插入图片描述
  • 许可协议：如若未装过，可直接选精简，如以前装过，有其他需求，选自定义，选完后点击下一步

在这里插入图片描述

在这里插入图片描述

  • 选项：我用pycharm作为编译环境，不需要visual studio,因此此处不安装studio，读者可根据文字提示自行选择，勾选理解，点击next

在这里插入图片描述

  • 等待准备安装并完成，关闭

在这里插入图片描述

  • 按下快捷键 Win + R 打开运行>>输入 cmd 回车>>出现如下界面
  • 输入nvcc -V查看是否安装成功，出现cuda版本即为成功。
    在这里插入图片描述

2.3 安装cudnn

1.根据cudnn官网查看cuda与cudnn版本对应关系（！！！很重要，不可以乱下载，下载时需要一个NVIDA账户，用邮箱注册一个即可。11.x或12.x即为对应数字开头的版本都能适配，除了版本对应，cudnn选择较稳定的版本，例如我下载的为11.5.0版本的cuda,此处选择2022年对应11.x版本的cudnn,不追求最新。本人所要安装的是windows系统，因此下面选择windows版本的安装包。

在这里插入图片描述
2.解压压缩包，复制文件夹到cuda文件夹中，会自动对应，cuda默认位置为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5，
在这里插入图片描述
在这里插入图片描述 3.若出现这一提示，继续即可
在这里插入图片描述

3.tensorflow环境配置

1.在网上搜索tensorflow和cuda的对应关系，此电脑安装tensorflow_gpu==2.9.0版本。
win+R打开cmd, 创建tensorflow环境，安装也需要在所创建的环境中，可参考b站视频(【有幸遇见-b站最全最简洁易学的深度学习环境配置教程】 https://www.bilibili.com/video/BV1ov41137Z8/?p=7&share_source=copy_web&vd_source=5d48ca2d6d56e40f0372f613cb602850)进行，下面为文字过程。

  1. win+R打开cmd,输入activate，进入base环境
  2. conda create -n tf python==3.8，回车，等待安装完成

在这里插入图片描述

  • 输入conda activate tf ,进入创建的tf环境
  • 输入指令：pip install tensorflow_gpu==2.9.0 -i https://pypi.douban.com/simple可自行修改镜像源链接
  • 如果进行神经网络的训练，大部分要用到gpu，一定要安装tensorlow_gpu而不是tensorflow,即指令中tensorflow_gpu ==xx, 而不是tensorflow ==xx为,否则会不支持gpu
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

4.测试tensorflow环境

  • 从pycharm中找到刚刚创建的tensorflow环境，flie——settings——python interpreter——add

在这里插入图片描述
在这里插入图片描述

  • 如果找不到，在cmd中用conda env list列出本机conda创建的虚拟环境所在位置，如图，找到tf所在位置，在pycharm中选择该环境进行代码测试。

在这里插入图片描述
在这里插入图片描述

  • 新建一个py文件，在创建的tf环境下运行如下测试代码（也可以自行搜索其它测试代码）
from tensorflow.python.client import device_lib

# 列出所有的本地机器设备
local_device_protos = device_lib.list_local_devices()
# 打印
# print(local_device_protos)

# 只打印GPU设备
[print(x) for x in local_device_protos if x.device_type == 'GPU']
  • 运行完成后出现如下自身显卡信息则证明gpu调用成功，tensorflow环境搭建完成!
  • -看到这里，如果成功运行了请给我一个免费的赞吧，这对我真的很重要！！！
  • 如果不成功请留下你的问题，我会尽量帮忙的！
    祝大家学习愉快！

在这里插入图片描述

什么都不太会的研究生
关注
  • 31
    点赞
  • 踩
  • 71
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
加速深度学习任务：TensorFlow GPU 教程
10-07
下面我们将深入探讨如何在TensorFlow环境中设置和优化GPU使用。 首先，理解为何需要GPU加速至关重要。深度学习模型通常涉及大量的矩阵运算和反向传播，这些计算在CPU上执行效率较低。而GPU拥有众多计算核心，能同时...
深度学习框架(TensorFlow)基础教程——第2章：TensorFlow环境搭建
10-09
**三、TensorFlow环境配置** 1. **虚拟环境**：为了保持项目间的依赖隔离，推荐使用虚拟环境如venv或conda。创建新的虚拟环境并激活，然后在环境中安装TensorFlow。 2. **集成开发环境(IDE)**：选择合适的IDE对于...
Tensorflow安装教程(完美安装gpu版本的tensorflow)（Windows,Conda,cuda,cudnn版本对应）
qq_51800276的博客
03-05 8077
Tensorflow安装保姆级教程，亲测有效。
（1-2）TensorFlow深度学习基础：TensorFlow介绍+搭建TensorFlow开发环境
最新发布
码农三叔
05-31 871
TensorFlow 是一个端到端开源机器学习平台，由谷歌人工智能团队谷歌大脑（Google Brain）负责开发和维护，拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口（Application Programming Interface, API）。自2015年11月9日起，TensorFlow依据Apache 2.0协议开放源代码。
全网最详细的深度学习tensorflow-gpu环境配置
惜洛-Jankin的博客
04-03 1万+
学习深度学习第一步就是环境的配置，相信很多小伙伴已经被什么anaconda，tensorflow，Pytorch，cuda这些东西搞得晕头转向，今天带大家详细配置深度学习的环境，这一篇准要教书tensorflow框架的配置。 1.概述 配置深度学习环境首先需要了解一下安装的这些东西是什么，就不会晕头转向了。 ①python：这个不用多说，python是跑深度学习的主流语言，因此首先需要安装python了，详细的安装可以看下面这一篇文章Windows环境安装Python编译环境与开发工具（pycha.
TensorFlow 深度学习 开发环境搭建 全教程
机器学习与软件工程
01-25 1261
TensorFlow 深度学习 开发环境搭建 全教程
深度学习与TensorFlow：TensorFlow最佳环境配置
从小白到架构师
04-27 1950
TensorFlow是由Tensor和Flow两个英文单词构成。谷歌公司首款智能芯片命名为Tensor（2021年推出），它可以构建构建适应未来的 AI/ML（人工智能/机器学习）各种应用需求。TensorFlow在2015年由谷歌公司推出，用于各类机器学习算法的编程实现。Tensor芯片推出时间要比TensorFlow晚，谷歌将首款智能芯片命名为Tensor，应该是配合TensorFlow拓展AI/ML应用市场。 Tensor原意是张肌（医学）、张量（化学），对TensorFlow来说，Tensor是张
深度学习TensorFlow入门环境配置
君莫笑的博客
08-03 412
CSDN21天学习打卡: 深度学习入门，python环境，搭建TensorFlow2环境，jupyter notsbook建模。 A、配置深度学习TensorFlow2环境； B、学习关于卷积神经网络（CNN）案例； C、学习关于循环神经网络（RNN）案例； D、学习关于生成对抗网络（GAN）案例； E、学习关于卷积神经网络（Xception）案例； F、学习关于卷积神经网络（CNN）案例； G、学习关于理论性的知识； H、对神经网络知识点的总结； I 、在学习中遇到的问题及解决方法；...
【window环境】Python安装与深度学习环境（tensorflow）配置保姆教程
m0_46149071的博客
12-27 7778
本文主要帮助初学者，在windows系统下，逐步完成python安装，集成环境搭建和tensorflow（GPU版本和CPU版本）搭建。
深度学习TensorFlow开发环境搭建教程
Cou流氓也要有文化的博客
10-20 1487
目录1 下载安装Anaconda2 安装CUDA102.1 cuDNN2.2 添加环境变量3 TensorFlow安装3.1 CPU版本TensorFlow3.2 GPU版本TensorFlow 1 下载安装Anaconda 1）1）百度搜索“Anaconda3”或直接访问官网下载，点击Download按钮。 Anaconda3最新版本是4.8.3，对应的Python版本是3.8。为了更好的兼容，不建议下载最新的Anaconda3版本。 2）官网下载太慢，选择国内镜像，通过日期找到所需的版本。 3）
深度学习环境配置1——windows下的tensorflow-gpu=1.13.2环境配置
热门推荐
Bubbliiiing的学习小课堂
03-06 12万+
神经网络学习小记录42——windows下的tensorflow-gpu=1.13.2环境配置学习前言环境内容Anaconda安装下载Cudnn和CUDA配置tensorflow环境安装VSCODE 学习前言 好多人问环境怎么配置，还是出个教程吧。 环境内容 tensorflow-gpu：1.13.2 keras：2.1.5 numpy：1.17.4 Anaconda安装 取网上搜索Anacon...
深度学习01-tensorflow开发环境搭建
liaomin416100569的专栏
05-08 2937
TensorFlow是一种端到端开源机器学习平台，它提供了一个全面而灵活的生态系统，包含各种工具、库和社区资源，能够助力研究人员推动先进机器学习技术的发展。在TensorFlow机器学习框架下，开发者能够轻松地构建和部署由机器学习提供支持的应用。[2]Keras是一个高层次神经网络 API，适用于快速构建原型、高级研究和生产。它作为TensorFlow的一个接口，可以兼容多种深度学习框架。Keras 的核心数据结构是 model，一种组织网络层的方式。
Ubuntu16.04 深度学习环境的配置.docx
07-16
Ubuntu 16.04 深度学习环境配置 在这个教程中，我们将详细介绍如何在 Ubuntu 16.04 上配置深度学习环境，包括安装 NVIDIA 驱动、Anaconda、TensorFlow、PyTorch 和 PyCharm 等工具。 1. 安装 NVIDIA 驱动 在安装...
win10下tensorflowgpu+keras开发环境配置教程.docx
02-24
在Windows 10环境下配置TensorFlow GPU和Keras的开发环境是一项重要的工作，因为它为深度学习项目提供了必要的计算加速和高效框架。以下是一份详细的步骤指南： 首先，我们需要安装**Anaconda**，这是一个强大的...
深度学习环境配置Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow.txt
09-23
深度学习环境配置Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow
基于深度学习tensorflow的滚动轴承故障诊断方法源码.zip
05-05
运行环境为 anaconda3 + tensorflow 1.8 anaconda3 可直接在其官网下载，点击此处跳转到官网下载。下载后可直接安装。 安装完成后，打开 anaconda Prompt 命令窗口输入以下命令安装 tensorflow pip install ...
Anaconda+VSCode配置tensorflow开发环境的教程详解
01-20
在配置python开发环境时，比如爬虫环境、数据分析环境、深度学习开发环境（tensorflow）等，会需要安装很多科学包。如果遇到什么包就报出“No module named”的错误，然后“pip install”未免太过麻烦。而且很多开发...
深度学习环境搭建资源集合
04-01
如何搭建一个属于自己的深度学习平台是每个深度学习初学者都非常头疼的问题，网上资源浩如烟海，良莠不齐。本文主要根据自己的搭建深度学习平台过程中经历，经过筛选，挑选出一批逻辑清晰，内容详实可靠的学习帖集合...
vscode配置tensorflow
06-28
### 回答1： 1. 安装Python和TensorFlow 首先，你需要安装Python和TensorFlow。你可以从官方网站下载Python和TensorFlow的安装包，或者使用命令行安装。在命令行中输入以下命令来安装Python和TensorFlow： ``` pip install tensorflow ``` 2. 安装VSCode 安装VSCode非常简单，你可以从官方网站下载安装包，然后按照提示进行安装。 3. 安装Python插件 在VSCode中，你需要安装Python插件来支持Python开发。你可以在VSCode的扩展商店中搜索Python插件，然后安装它。 4. 配置VSCode 在VSCode中，你需要配置一些设置来支持TensorFlow开发。你可以在VSCode的设置中搜索Python，然后找到Python配置项。在Python配置项中，你需要设置以下选项： - python.pythonPath：指定Python解释器的路径。 - python.linting.enabled：启用Python代码的语法检查。 - python.linting.pylintEnabled：启用Pylint代码检查器。 - python.linting.pylintArgs：指定Pylint的参数。 - python.formatting.provider：指定Python代码格式化的提供者。 5. 创建Python文件 在VSCode中，你可以创建一个Python文件来编写TensorFlow代码。你可以在文件中导入TensorFlow库，然后编写TensorFlow代码。 6. 运行TensorFlow代码 在VSCode中，你可以使用调试器来运行TensorFlow代码。你可以设置断点，然后运行代码。在运行代码时，你可以查看变量的值，以及代码的执行流程。 以上就是VSCode配置TensorFlow的步骤。希望对你有所帮助！ ### 回答2： VS Code是一款开源轻量级的集成开发环境，可以用于配置和编写TensorFlow代码。以下是在VS Code中配置TensorFlow的步骤： 1. 安装Python环境：VS Code需要Python环境才能执行TensorFlow程序，因此应该首先安装Python。可以在Python官网下载Python安装文件并进行安装，也可以使用Anaconda安装Python。 2. 安装TensorFlow：TensorFlow可以使用pip在命令行中安装。在安装过程中，应该选择与Python版本兼容的TensorFlow版本。可以使用以下命令安装TensorFlow： ```python pip install tensorflow ``` 3. 安装VS Code插件：在VS Code中打开“Extensions”面板，搜索并安装Python插件。此插件可以提供代码补全和格式化等功能。 4. 创建Python项目：在VS Code中创建一个新的Python项目，并在项目文件夹中创建一个名为“main.py”的文件。 5. 导入TensorFlow库：在“main.py”文件中导入TensorFlow库，可以使用以下代码： ```python import tensorflow as tf ``` 6. 编写TensorFlow程序：在“main.py”文件中编写TensorFlow程序，并执行程序进行测试。 7. 配置TensorFlow环境变量：如果在运行TensorFlow程序时出现错误，可能需要配置TensorFlow环境变量。可以在系统环境变量中添加以下路径： ```python C:\Program Files\Python37\Scripts\ ``` 这是Python脚本安装的默认路径，可以在此路径中找到TensorFlow脚本。 8. 配置GPU支持（可选）：如果计算需要使用GPU加速，需要在计算机中安装GPU驱动程序和CUDA库，并配置TensorFlow可以使用GPU。 通过以上步骤，就可以在VS Code中配置TensorFlow，并使用该平台开发和测试TensorFlow程序。 ### 回答3： 在使用VSCode编写tensorflow程序时，需要配置一些环境才能进行编程和调试。下面是配置步骤： 1. 安装Python：下载Python官网的最新版本并安装，安装时注意要把Python添加到系统环境变量中。 2. 安装Tensorflow：打开终端或命令提示符，在命令行中输入以下命令以安装Tensorflow： ``` pip install tensorflow ``` 3. 安装VSCode：在微软官网下载并安装VSCode。 4. 安装Python插件：打开VSCode，在侧边栏中找到Extensions（或按Ctrl+Shift+X），搜索并安装Python插件。 5. 配置VSCode环境：打开VSCode，按Ctrl+Shift+P打开命令面板，搜索Python: Select Interpreter，选择刚才安装的Python环境。 6. 创建Python文件：在VSCode中创建一个新文件，将以下代码复制粘贴到文件中并保存： ``` import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello)) ``` 7. 运行Python程序：按F5运行程序，查看输出结果是否为“Hello, TensorFlow!”。 以上就是在VSCode中配置Tensorflow的步骤，这样就可以愉快地编写Tensorflow程序啦！
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值