2020.12
文章目录
查看自己的软硬件配置
Win+R
输入dxdiag
安装CUDA和cuDNN
如果安装CPU版本就不安装,如果想安装GPU版本必须安装。
另外只有N卡的某些版本才能使用CUDA,如果您是A卡或者其他的只能安装CPU版本的了。
查询GPU是否支持CUDA
CUDA
下载CUDA
CUDA Archived Releases,选择下载到本地的可执行文件(exe)。
安装CUDA
按照默认的安装就可以了。因为我尝试过改路径,但是在最后自己创建的那个路径上的东西还是会被整合到C盘。
然后就可以C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
路径下看到一个版本命名的文件夹.
比如我的就是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
cuDNN
下载cuDNN
cuDNN Archive
可能非常慢,而且需要账号变成开发者版本,按照提示来就行了。
接下来进入历史版本,选择对应的CUDA版本和自己的Windows版本。可能会有很多版本都支持自己的CUDA版本。
这是我当初选择cuDNN 7.6.5版本的依据。
解压cuDNN
我将压缩包放到E:\MOTH\cuDNN
目录下,解压。以下就是我们都能看到的内容。
连接CUDA和cuDNN
找到我们CUDA文件夹,例如我的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
找到cuDNN文件夹,例如我的E:\MOTH\cuDNN
把cuDNN bin文件夹下的东西copy到CUDA bin文件夹下
把cuDNN include文件夹下的东西copy到CUDA include文件夹下
把cuDNN lib文件夹下的东西copy到CUDA lib文件夹下
总而言之,就是把cuDNN中每一个文件夹下的东西复制到对应的CUDA文件夹下。
安装Anaconda、PyCharm
Anaconda 下载
PyCharm 下载,PyCharm选择Community免费版本的就够了。
Pycharm第一次打开可能会要求你创建一个新的文件夹一般叫PythonProjects。但是我建议自己创建一个自己的文件夹包含自己所有的项目,这样不管是C,java,python。所有工程项目都可以统一管理。
Linux(Ubuntu)
Pycharm
下载好安装程序
tar zxf pycharmxxxxx.tar.gz
cd pycharmxxx/bin
./pycharm.sh
创建桌面图标
配置环境
配置的窗口
三者选其一即可。
在Anaconda里配置
打开Anaconda Prompt
在cmd里配置
Win+R
,输入cmd
在PyCharm里配置
打开PyCharm下面的Terminal
配置方法
创建自己的环境
conda create -n your_envs_name python=X.X
your_envs_name
是自己环境的名称,X.X是python的版本(我采用3.6
)。
接下来激活我们的刚刚创建的环境。
激活自己的环境
activate your_envs_name
安装自己所需框架
TensorFlow框架
然后安装tensorflow环境,后面的2.1
是tensorflow的版本号。(如果不指定,则安装最新版)
两个可以同时装,但是建议只装一个,或者分两个环境装。
pip install tensorflow==2.1 # 安装cpu版本
pip install tensorflow-gpu==2.1 # 安装gpu版本
接下来安装tensorflow其他的包,您如果用不到可以不安装
pip install tensorflow-datasets
pip install -q git+https://github.com/tensorflow/examples.git
# tensorflow_examples 安装
PyTorch框架
PyTorch安装网址
显而易见,如图所示这是在Windows下,用pip
安装Python语言的gpu版本的PyTorch框架。
如果您只想安装cpu版本,那么在CUDA那栏选择【None】。
复制下面的命令,在窗口里粘贴就行了。
MXNet框架
pip install mxnet # CPU版 # 只支持Python 3.6
安装自己会用到的包
其他包可以分开安装,也可以一起安装(一起安装就是在一个安装包后面加空格,然后添加另一个安装包)。
pip install numpy
pip install pandas matplotlib
# 以上一般也是必安装的(超级常用)
pip install opencv-python openvino-python
pip install scikit-learn
pip install ipython
训练时图像导出所用到的包:
pip install pydot pydot-ng graphviz
pip install h5py==2.10
另外还需要下载graphviz,记得在安装时将其添加至路径。安装完记得把Pycharm重启
在PyCharm中导入创建好的环境
打开【File】【Settings】【Project】【Python Interpreter】点击右上角的设置【Add】
找到自己conda下环境的python路径,如我的E:\MOTH\Anaconda\envs\tensorflow_gpu\python.exe
2020.12 所配置环境总结
日期 | 2020.12 |
---|---|
操作系统: | Windows 10 |
CPU: | Intel® Core™ i9-10920X CPU @ 3.50GHz (24CPUs), ~3.5GHz |
GPU: | NVIDIA GeForce RTX 2080 Ti |
CUDA: | 10.1 |
cuDNN: | 7.5.6 |
Python: | 3.6.12 |
Tensorflow: | 2.1.0 |
PyTorch: | 1.7.1 |