Pytorch/TensorFlow/Paddle深度学习框架安装(GPU版本)

已于 2023-05-31 20:38:34 修改
阅读量5.2k 收藏 49
点赞数 10
分类专栏： Anaconda Python 文章标签： python 深度学习 tensorflow pytorch 神经网络
于 2021-04-18 17:24:26 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/QuanSirX/article/details/115821979
版权

Pytorch/TensorFlow/Paddle深度学习框架安装(GPU版本)

一、简介

       Pytorch、TensorFlow都是著名的深度学习平台，Paddle也是。Pytorch、TensorFlow很显然在国内外都很受欢迎的，学习难度是TensorFlow大于Pytorch，随着TensorFlow的发展趋势，现在学习难度已经大大降低了很多，逐渐与Pytorch持平，Pytorch、TensorFlow各有千秋，任选一个学习都没问题。这里提一提的是TensorFlow1.x版本和TensorFlow2.x的版本许多API变动很大，因此在前者环境下写的程序在后者环境下运行一般都报错，它的高版本不向下兼容。
       Paddle是由国内的百度公司推出的开源深度学习框架，符合国人的使用习惯和阅读理解，因此相关的学习文档会很容易入门。如果是零基础学习深度学习，那么Paddle是很适合的，只要了解并入门Paddle，那么Pytorch、TensorFlow也会间接掌握了解，这是因为这三者在不少API方面极其相似，相应的神经网络模型设计、优化器、数据处理方法都颇有异曲同工之妙。至于在生产实践中哪个较为好用，尚待考究。。。而且在学习Paddle的过程中百度公司提供了一系列的工具和资源来助力，比如云计算平台AI Studio、免费的视频教程讲解、更高级的API封装等等。

网页教程文档
1、Pytorch

https://pytorch.org/

2、TensorFlow

https://tensorflow.google.cn/

3、Paddle

https://www.paddlepaddle.org.cn/

二、下面来开始安装以上的深度学习框架库到python环境中
       因为毕设的原因我安装了这三种深度学习框架库的GPU版本，安装GPU要求电脑具备英伟达NVIDIA独立显卡，AMD独立显卡不可以。如果没有NVIDIA独立显卡，只能安装CPU版本。为什么需要安装GPU版本的深度学习框架库？因为深度学习的各种神经网络模型训练，涉及到非常庞大的数据量计算，而显卡擅长大数据运算，CPU擅长复杂指令运算。

用到的软件工具

链接：https://pan.xunlei.com/s/VMYY8bSYSySzZSgioyWC4QgYA1
提取码：ipye

在这里插入图片描述

1、Pycharm
编写Python程序的集成开发工具IDE
2、Anaconda
       Anaconda支持图形界面操作和命令行操作，这里建议使用命令行方式操作。主要用于创建多个Python虚拟环境，安装Anaconda前如果电脑已经安装了Python环境A，那么安装Anaconda完后，电脑会有两个Python环境，一个是电脑先前安装的Python环境A，第二个是Anaconda自带的Python环境（base,Python==3.8）
       后面会介绍这两个环境在深度学习中不会常用到，需要新建第三个第四个，以此类推至多个Python虚拟环境来使用。Anaconda就具备创建多Python虚拟环境的功能。在新建的虚拟环境下安装所用到的Python库。
在这里插入图片描述
       如果C盘空间不吃紧，建议Pycharm、Anaconda都安装到C盘目录下，即默认安装。安装GPU版的Pytorch大约会占用4-6GB硬盘空间，多是驱动文件占用空间大，且安装时间长，需要耐心等待。
安装CPU版占用空间几百MB，但会失去了GPU强劲的计算能力，具备NVIDIA GPU建议安装GPU版本。C盘空间实在不够用，Pycharm、Anaconda安装到其他盘符下原则上是没问题的。

3、安装NVIDIA CUDA工具包和加速计算库cudnn
安装完Anaconda，打开电脑菜单界面找到Anaconda Prompt(anaconda3)，

3.1、设置Anaconda镜像源为中科大源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

在这里插入图片描述
重复添加相同源警告
在这里插入图片描述

3.2、安装Pytorch/TensorFlow/PaddleCPU版
如果以上步骤做完，没有NVIDIA独立显卡，那么打开此链接https://blog.csdn.net/QuanSirX/article/details/115829442安装CPU版本。

安装GPU版的继续往下看。

3.3、安装Pytorch/TensorFlow/PaddleGPU版
#创建一个名为tensorflow_gpu的python虚拟环境

conda create -n tensorflow_gpu python=3.7

输入y确认安装
在这里插入图片描述

#激活某一个Anaconda下的Python虚拟环境

conda activate tensorflow_gpu

在这里插入图片描述

      安装NVIDIA CUDA工具包和加速计算库cudnn，在之前CUDA工具包和加速计算库cudnn需要到英伟达官网下载并安装，步骤相对繁琐。
由于新版本的Anaconda和镜像源的支持，现已支持在Anaconda命令行中直接安装NVIDIA CUDA工具包和加速计算库cudnn。
     首先需要确认的是电脑显卡最高所能支持的CUDA版本，支持的CUDA版本低，则不能安装高版本的CUDA工具包和加速计算库cudnn。支持的CUDA版本高，能安装当前版本以下的所有版本CUDA工具包和加速计算库cudnn。查看电脑NVIDIA显卡当前驱动程序所支持的CUDA版本，在Windows桌面下鼠标右击，选中NVIDIA控制面板，点击打开控制面板左下角的系统信息，点击‘显示’右边的‘组件’，看到NVCUDA64.DLL属性信息 CUDA后面的 ‘11.3.70’ 即为NVIDIA显卡当前驱动程序所支持的最高CUDA版本。
在这里插入图片描述
在这里插入图片描述

      CUDA工具包版本需要和加速计算库cudnn版本相对应，比如CUDA11.0对应的cudnn版本不能低于8.0。打开https://developer.nvidia.com/rdp/cudnn-archive链接就可以查询cudnn和哪个CUDA版本匹配。
在这里插入图片描述

3.4、安装NVIDIA CUDA工具包和加速计算库cudnn

#查询镜像源下的cuda版本信息

conda search cuda

#查询镜像源下的cudnn版本信息

conda search cudnn

#查询镜像源下的tensorflow-gpu版本信息

conda search tensorflow-gpu

在这里插入图片描述

3.4.1
#安装CUDA工具包
conda install cudatoolkit=10.1
在这里插入图片描述
输入y确认安装

###安装cudnn加速计算库
conda install cudnn=7.6.5
在这里插入图片描述
输入y确认安装

3.4.2
###安装CUDA工具包
conda install cudatoolkit=10.1
###安装cudnn加速计算库
conda install cudnn=7.6.5
前面已安装

###安装TensorFlow-GPU库，用pip方式安装

pip install tensorflow-gpu==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述

#验证TensorFlow-GPU库是否安装成功

conda activate tensorflow_gpu
python
import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))
exit()#退出python环境

在这里插入图片描述

3.4.3安装Paddle-GPU版本，用pip方式安装
#创建、激活虚拟环境

conda create -n paddle_gpu python=3.7
conda activate paddle_gpu

#安装CUDA工具包、cudnn加速计算库

conda install cudatoolkit=10.1
conda install cudnn=7.6.5

在这里插入图片描述

#安装Paddle-GPU库

python -m pip install paddlepaddle-gpu==2.0.2.post100 -f https://paddlepaddle.org.cn/whl/mkl/stable.html

#验证Paddle-GPU库是否安装成功

conda activate paddle_gpu
python
import paddle
print(paddle.__version__)
print(paddle.fluid.install_check.run_check())
exit()

在这里插入图片描述

3.4.3安装pytorch-gpu版本，用conda方式安装

#创建、激活虚拟环境

conda create -n pytorch_gpu python=3.7
conda activate pytorch_gpu

#安装CUDA工具包、cudnn加速计算库

conda install cudatoolkit=10.1
conda install cudnn=7.6.5

在这里插入图片描述

#安装Pytorch-GPU库

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 -c pytorch

在这里插入图片描述

###验证pytorch-gpu库是否安装成功

conda activate pytorch_gpu
python
import torch
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())
exit()

在这里插入图片描述

4、安装步骤汇总

Paddle-GPU版本安装汇总：

#设置Anaconda镜像源为中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
#创建、激活虚拟环境
conda create -n paddle_gpu python=3.7
conda activate paddle_gpu
###安装CUDA工具包、cudnn加速计算库
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
#安装Paddle-GPU库
python -m pip install paddlepaddle-gpu==2.0.2.post100 -f https://paddlepaddle.org.cn/whl/mkl/stable.html
#验证Paddle-GPU库是否安装成功
conda activate paddle_gpu
python
import paddle
print(paddle.fluid.install_check.run_check())
exit()

TensorFlow-GPU版本安装汇总：

#设置Anaconda镜像源为中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
#创建、激活虚拟环境
conda create -n tensorflow_gpu python=3.7
conda activate tensorflow_gpu
#安装CUDA工具包、cudnn加速计算库
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
#安装TensorFlow-GPU库
pip install tensorflow-gpu==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
#验证TensorFlow-GPU库是否安装成功
conda activate tensorflow_gpu
python
import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))

Pytorch-GPU版本安装汇总：

#设置Anaconda镜像源为中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
#创建、激活虚拟环境
conda create -n pytorch_gpu python=3.7
conda activate pytorch_gpu
#安装CUDA工具包、cudnn加速计算库
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
#安装Pytorch-GPU库
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 -c pytorch
#验证Pytorch-GPU库是否安装成功
conda activate pytorch_gpu
python
import torch
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())

三、Anaconda其他常用命令

1、删除环境

conda remove -n 环境名称 --all

当tensorflow_gpu环境不再需要使用，可用如下命令删除环境

conda remove -n tensorflow_gpu --all

2、清除conda缓存的资源文件

&nbspconda下载的各种驱动程序、库文件安装后会缓存在本地磁盘，文件数量过多后会占用一定磁盘空间，可用clean命令删除不用的缓存文件。

conda clean -p

输入y确认删除

conda clean -a

输入y确认删除

在这里插入图片描述
四、Pycharm项目使用conda安装的Python虚拟环境

1、打开或新建一个Pycharm项目

在这里插入图片描述

2、按下图操作修改Pycharm项目的Python编译器，改为conda新建的pytorch_gpu
2.1、
在这里插入图片描述
2.2、
在这里插入图片描述
2.3、
在这里插入图片描述
2.4、
在这里插入图片描述
2.5、
在这里插入图片描述
2.6、
在这里插入图片描述
2.7、
在这里插入图片描述
2.8、
在这里插入图片描述

2.9、
在这里插入图片描述
Bilibili视频教程：
Pytorch/TensorFlow/Paddle深度学习框架安装

QuanSirX
关注
  • 10
    点赞
  • 踩
  • 49
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
关于windows下Tensorflow和pytorch安装教程
12-20
一、Tensorflow安装 1、Tensorflow介绍 Tensorflow是广泛使用的实现机器学习以及其它涉及大量数学运算的算法库之一。Tensorflow由Google开发，是GitHub上...我的环境是Anaconda3.5.2m，安装的是旧版本的tensorflow pip
PyTorch 与 TensorFlow：机器学习框架之战
03-13
TensorFlow：诞生于 Google Brain 团队的大脑，TensorFlow 从专有工具转变为开源。作为一个端到端平台，它提供从基本算术运算到神经网络部署的一切。其适应性体现在与CPU、GPU、TPU、移动设备等平台的兼容性上。值得...
在Pycharm中安装Paddle深度学习框架安装(GPU版本)
weixin_43952169的博客
04-16 4738
在python3.7环境下给pycharm安装GPU版本的paddle
paddle安装教程（gpu）（cpu）
qq_63034152的博客
06-13 9862
创建所需新conda环境：conda create -n name python=3.9(python版本自己指定)例如：conda create -n paddle python=3.9。打开Anaconda Powershell Prompt。再输入paddle.utils.run_check()进行验证是否安装成功。输入命令切换环境命令： conda activate paddle。安装完成后，输入python进入编译环境。输入y，继续，新环境创建成功。二，进入命令行窗口，开始安装。
中国人自己的深度学习框架Paddle（一）：Paddle简介
最新发布
weixin_38299162的博客
05-18 1391
PaddlePaddle是一个功能全面的深度学习框架由百度公司主导开发并开源。它最初源于2013年百度深度学习实验室创建的Paddle项目旨在支持大规模数据的多GPU和多机器并行训练。2016年9月百度正式将PaddlePaddle开源这标志着国内第一个机器学习开源平台的诞生。PaddlePaddle的名字来源于Parallel Distributed Deep Learning并行分布式深度学习的缩写寓意通过并行计算来加速深度学习模型的训练过程。
paddlepaddle-gpu 版本安装选择和测试
weixin_52492249的博客
11-19 5050
paddlepaddle-gpu 版本安装选择和测试，选择不超过自己cuda版本的最高版本安装，推荐使用conda命令。
paddlepaddle-gpu环境安装
qq_39933045的博客
12-20 2665
paddlepaddle-gpu环境安装
windows系统下百度飞桨AI框架paddlepaddle之gpu版本手把手安装教程
weixin_47834823的博客
12-02 6499
windows10系统下飞桨AI框架paddlepaddle之gpu版本手把手安装教程
仅在python虚拟环境中安装CUDA、CUDNN、PaddlePaddle-gpu
AI数据工厂
06-19 2229
本文提供了一种仅在Python虚拟环境中安装CUDA等库的方式，不需要在本机安装CUDA就可以在python环境中使用GPU加速。
关于Windows下的Pytorch、Tensorflow、Keras、Theano深度学习框架的环境搭建
12-23
在Windows操作系统上搭建深度学习框架，包括PyTorch、TensorFlow、Keras和Theano，是许多AI开发者和研究人员必须面对的任务。以下将详细介绍这些框架的优缺点以及环境搭建的关键步骤。 首先，让我们对比一下PyTorch...
tensorflow/pytorch/mxnet的cuda10环境安装
06-12
本视频介绍深度学习软件环境的安装，包括最新的CUDA10/CUDNN的安装，以及几种最流行的深度学习框架tensorfow，pyTorch，mxnet的安装和测试。 配套说明文档：https://blog.csdn.net/dvd_sun/article/details/87778565
pytorch和tensorflow都是常用的深度学习框架，本项目通过对比学习，深度梳理知识点.zip
01-12
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！...pytorch和tensorflow都是常用的深度学习框架，本项目通过对比学习，深度梳理知识点，学习之后有利于更好的理解和使用pytorch,tensorflow框架。.zip
Linux和Windows系统下:安装Anaconda、Paddle、tensorflow、pytorch，GPU[cuda12.4、cudnn]、CPU安装教学,多版本cuda11.2 自由切换
丨汀、的博客
07-12 6519
Linux和Windows系统下安装深度学习框架所需支持:Anaconda、Paddlepaddle、Paddlenlp、pytorch，含GPU、CPU版本详细安装过程
（一）PaddlePaddle（深度学习框架）的搭建、使用
K_AAbb的博客
10-17 1万+
PaddlePaddle（深度学习框架）的搭建、使用
深入探究 PaddlePaddle 中 GPU 的使用
m0_70911440的博客
11-19 921
3. **GPU 内存管理**：由于 GPU 的内存资源有限，合理管理 GPU 内存对于训练大型模型和处理大型数据集尤为重要。使用 GPU 可以显著提高深度学习模型的训练和推理速度，而 PaddlePaddle 作为一款先进的深度学习框架，提供了强大的 GPU 支持。4. **混合精度计算**：PaddlePaddle 支持混合精度计算，即在模型训练中使用低精度的浮点数来加速计算。2. **模型并行**：对于大型模型和数据集，可以将模型参数划分到多个 GPU 上进行计算，从而实现模型的并行计算。
paddle 使用GPU
热门推荐
qq_31034951的博客
09-29 1万+
paddle paddle 中使用gpu训练 记录一下 使用paddle的device的get和set来获取和设置 import paddle print(paddle.device.get_device()) 如果有gpu的话运行结果如下： 之后在代码开始位置按照设备名通过set_device()方法设置设备即可： paddle.device.set_device('gpu:0') # 把get—device的结果直接复制进去 # 之后就可以正常运行其他内容，如 model = MNIST() t
【避坑】paddlepaddle-gpu安装报错：The GPU architecture in your current machine is Pascal, which is not
一起加油~
08-31 6341
paddlepaddle-gpu安装避坑： 1. (The GPU architecture in your current machine is Pascal, which is not compatible with Paddle installation with arch: 70 75 80 86) 2. (OSError: Invalid enum backend type `63`.)
paddle环境搭建之GPU版本
08-10 839
显卡驱动，cuda，cudnn，深度学习库的关系cudnn加括号是因为cudnn的版本和cuda版本是一一对应的，深度学习库的版本依赖往往是直接看cuda版本，而不需要关注cudnn。这其中最重要的问题是版本依赖。
安装百度飞桨Paddlepaddle-GPU，解决不能在jupyter notebook中使用等问题
pde26jjk的博客
12-16 3457
解决了cudnn、cuda的问题、jupyter中运行不了的问题。
Python深度学习基于PyTorch介绍PPT
01-27
该PPT旨在深入介绍Python深度学习的基础，特别是通过PyTorch和TensorFlow 2.x这两个主要的深度学习框架。PPT的主要内容涵盖了以下几个方面： 1. 前言：介绍了PPT的目的，即对书中深度学习内容进行梳理，提炼出核心...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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

打赏作者

QuanSirX

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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