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
3. 安装Tensorflow-GPU：在激活的环境中，使用`pip install tensorflow-gpu==1.8.0`安装GPU支持的Tensorflow版本。 【PyTorch介绍】 PyTorch是一个Python优先的深度学习框架，以其动态计算图的特性而受到青睐。与...
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 4765
在python3.7环境下给pycharm安装GPU版本的paddle
PyTorch与PaddlePaddle
禅与计算机程序设计艺术
01-24 1425
1.背景介绍 1. 背景介绍 PyTorch 和 PaddlePaddle 是两个流行的深度学习框架，它们都被广泛应用于机器学习和人工智能领域。PyTorch 由 Facebook 开发，而 PaddlePaddle 则是由百度开发的。这两个框架都提供了易于使用的API，以及强大的计算能力，使得它们在深度学习任务中具有很高的效率和灵活性。 在本文中，我们将深入探讨 PyTorch 和 Pad...
【深度学习系列】全面指南：安装TensorFlow的CPU和GPU版本
最新发布
2301_81199775的博客
06-22 2791
本博客旨在为初学者提供一份全面的指南，介绍如何根据个人电脑的配置选择并安装适合的TensorFlow版本。内容涵盖了如何查看电脑显卡型号以确定是安装CPU还是GPU版本的TensorFlow，创建Python虚拟环境，以及使用conda命令查找可用的TensorFlow版本。同时，文章还提供了安装过程中可能遇到的问题及其解决方法，确保读者能够顺利完成安装过程，并开始他们的机器学习或深度学习项目。
paddle环境搭建之GPU版本
08-10 887
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。
paddle安装教程（gpu）（cpu）
qq_63034152的博客
06-13 1万+
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。
paddlepaddle-gpu 版本安装选择和测试
weixin_52492249的博客
11-19 5187
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 2692
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 6562
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 2270
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。
Pytorch与TensorFlow的GPU共存的环境配置清单
06-01
接下来，分别安装PyTorch和TensorFlow的GPU版本： ```bash conda install pytorch torchvision cudatoolkit=11.3 -c pytorch pip install tensorflow-gpu ``` 注意，CUDA版本必须与安装的PyTorch和TensorFlow匹配...
树莓派深度学习系统镜像，包含opencv、pytorch、tensorflow、pytorch_lightning、tflite
02-20
镜像包含opencv 4.5.1、pytorch 1.6.0、torchvision 0.7.0、pytorch_lightning 1.5.0、tensorflow 2.4.0、tflite 2.1.0等众多深度学习相关Python依赖，几乎涵盖了所有主流深度学习支持，全部安装在系统裸环境中，...
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...
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 7013
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
Paddlepaddle-GPU版本安装
weixin_54125762的博客
03-14 1696
首先声明。本文是建立在他人的文档下进行自己的安装历程的，故有些地方会重复以及不同。且本人已经安装成功，所以教程中的python环境可能有出入。
深入探究 PaddlePaddle 中 GPU 的使用
m0_70911440的博客
11-19 978
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。
（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
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
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