Anaconda环境下搭建TensorFlow-GPU

Anaconda 3+TensorFlow-GPU 2.20+cuDNN 7.6.5

文章记录在python的发行版本之一anacond 3中搭建TensorFlow GPU版框架

1. Anaconda

1.1 安装anaconda

此处给个下载地址 ,个人用就下载individual版的就行,其他版本收费。1
下载之前一定要确定好所需要python版本,不同版本的anaconda对应不同的python版本,当然了不怕麻烦也可以在安装好后手动升级python版本…

官网下载有时候速度感人,这里推荐从国内的镜像网站下载,速度会提升不少。目前国内的镜像网站有清华的、阿里云的、中科大的等等,这里给出清华的镜像网站清华镜像。选择anaconda 3 对应python 3.x的版本,选anaconda 2对应python 2.x的版本。另外提一句尽量选anaconda 3的版本,因为python 2.x从2020年开始已经停止更新和维护了。

此处我选择的最新的版本2
下载下来安装3
4
这里把第一个选项选上,安装时自动将anaconda的路径添加的系统环境变量,否则还要自己添加系统变量。从第二个选项可以看出当前anaconda 包含的python版本号这里是python 3.8版本。

等待安装完毕后,进入CMD输入conda list,输出一堆安装包后说明anaconda安装成功。如图:5其中输出的第一行为anaconda的安装地址,以下多行为已经安装的包。

1.2 conda换源

conda 是一个开源的软件包管理系统和环境管理系统,可以简单理解为安装包的下载工具(下文中出现的pip是另一种下载工具)。这里建议将conda配置成国内的镜像源,日后使用免不了要下载一些扩展工具包,换为国内源后能大大提高下载速度和下载稳定度。

换源命令格式:conda config --add channels + 国内源的URL

清华的源:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

以上两条是anaconda的官方库,此外还有一些第三方库源(例如 conda-forge、msys2、pytorch等,点击此处可以查看完整的列表

若添加第三方库源,也是上述命令格式:

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/

中科大的源:

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/

上交大的源:

conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/cloud/conda-forge/

使用下面的命令可以在下载时显示使用的源

conda config --set show_channel_urls yes

想要换回conda的默认源,使用下面命令:

conda config --remove-key channels

2. CUDA+cuDNN

2.1 安装CUDA

CUDA是英伟达公司推出的一个运算平台,它拥有大量数据运算的能力,这里简单理解为CUDA是一个超级计算器就好,TensorFlow框架可以利用CUDA这个超级计算器来提升运算速度,缩短运行时间。

cuda去NVIDIA官网直接下,下载前建议去Tensorflow官网查看TensorFlow和cuda的版本对应表,这里直接截了一张图,方便大家找寻对应对版本。

TensorFlow-GPU版:
6-gpu
TensorFlow CPU版:
6-cpu
博主选用的是TensorFlow-GPU 2.2.0搭配cuda10.1+cuDNN7.6.5

cuDNN是NVIDIA 公司推出的用于深度神经网络的GPU加速库,有了它N卡才能在GPU上完成深度学习的计算。上文我们把CUDA看做超级计算器,这里我们把cuDNN看做超级计算器与数据平台连接的数据线。CUDA这个计算器可以计算任何种类的数据,只需要把它和想要计算的某种数据种类的数据平台用专用的数据线连接起来,cuDNN就是CUDA连接深度学习这个数据种类的连接线。因为是专用的数据连接线,所以cuDNN版本号和CUDA号一定是一一对应

官网都是最新版的CUDA,想要下载以往CUDA版本可以点这个链接,下载时选择cuda 10.1update2(如果不按博主这个版本搭配来,请参照上文的TensorFlow对应表自行选择合适的版本)在这里插入图片描述
然后选择本地下载exe在这里插入图片描述
如果下载速度过慢可以将下载地址复制到迅雷里下载
在这里插入图片描述
下载完成后启动安装程序,同意安装条约,选择自定义安装选项。如果不需要VS编译的话,就不要选择Visual Studio Integration 这个选项。另外,新版本号比当前版本号低的选项一律不选。如下图:在这里插入图片描述在这里插入图片描述
完成安装后检查系统环境变量是否已经拥有了CUDA的环境变量,到此cuda的安装告一段落。在这里插入图片描述

2.2 安装cuDNN

去NVIDIA官网在导航栏里点击开发者,跳转到开发者页面后在导航栏里找到平台选项,平台里的第一列找到cuDNN选项后点击,来到cuDNN的下载页面。根据英伟达的要求必须要注册一个账号才能下载cuDNN。注册好号后,选择下载cuDNN 7.6.5 for CUDA 10.1.在这里插入图片描述
下载完成解压后,将文件夹里的项目挨个复制到CUDA安装目录(一般为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1)里的对应文件夹内。

3. TensorFlow-GPU

3.1 安装TensorFlow-GPU

根据上文中的TensorFlow-GPU版对照表,我们可以选择安装TensorFlow-GPU2.2.0和TensorFlow-GPU2.3.0这两个版本。(TensorFlow-GPU2.1.0版cudnn和cuda版本都满足,但是python最高支持3.7,而博主选择的版本号为python3.8)
##这里再次提醒自行搭配版本的读者,一定要看清对照表内python、tensorflow-gpu、cudnn、cuda这四者之前的版本号是否匹配!!!若版本不匹配只能删除重下!!!##

这里博主选择的是TensorFlow-GPU2.2.0这个版本。选择好后进入cmd,输入命令 conda create -n tf2此时在anaconda内创建一个名为tf2的虚拟环境,输入命令conda activate tf2进入tf2环境内,创建环境后输入以下命令

pip install tensorflow-gpu==2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

其中-i 参数指明了下载源,这里依然使用了清华的镜像节点,以获得较快的下载速度。

当然也可以使用conda命令来下载tensorflow,只需要输入

conda install tensorflow-gpu==2.2.0
3.2 检查是否安装成功

进入cmd,输入命令conda activate tf2进入tf2环境内,再输入命令ipython ,待输出返回后依次输入

import tensorflow as tf
tf.test.is_gpu_available()
exit()

若最后返回TRUE,则顺利完成了全部安装;若返回false,请检查系统环境变量是否添加正确、cudnn的文件是否已复制进cuda对应文件夹内、自己的cuDNN版本和CUDA是否相匹配、CUDA版本和TensorFlow版本是否相匹配,若不匹配,重新下载对应匹配的版本后按照本帖再次安装。(注:博主选择的版本配置经过实践是没有问题的)
在这里插入图片描述

  • 1
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Anaconda是一个用于数据科学和机器学习的开源软件包管理器,而Portch是Anaconda的一个图形界面。安装Anaconda和Portch非常简单,以下是安装Anaconda和Portch的步骤: 第一步,我们需要下载Anaconda的安装包。可以在Anaconda官方网站(https://www.anaconda.com/)上找到合适的安装包,根据自己的操作系统选择相应的版本。安装包的大小相对较大,需要耐心等待下载完成。 第二步,下载完成后,打开安装包,并按照提示进行安装。在安装过程中,我们可以选择Anaconda的安装路径和其他一些选项。默认情况下,Anaconda会安装Python解释器和一些常用的数据科学和机器学习库。 第三步,安装完成后,我们可以通过命令行来验证安装是否成功。在命令行中输入"conda"命令,如果能够看到一些关于conda的信息,则表示安装成功。 第四步,安装Portch需要使用conda命令来进行。在命令行中输入"conda install portch"命令,然后按下回车键。等待安装过程完成,这可能需要一些时间,取决于网络连接的速度和电脑的性能。 第五步,安装完成后,我们可以在命令行中输入"portch"命令,然后按下回车键,即可打开Portch图形界面。 总结一下,安装Anaconda和Portch是非常简单的。只需要下载Anaconda的安装包,按照提示进行安装,然后使用conda命令来安装Portch即可。安装完成后,我们就可以使用Portch来进行数据科学和机器学习的工作了。 ### 回答2: Anaconda是一个开源的Python发行版,提供了一键安装Python及其相关的科学计算库和工具的功能。而Portch是一个基于Jupyter Notebook的交互式编程环境。因此,要在Anaconda中安装Portch,需要按照以下步骤进行操作。 首先,我们需要打开Anaconda Navigator,它是Anaconda的用户界面。 然后,在Anaconda Navigator的主界面上,我们可以看到一个名为“Environments”的选项卡。点击该选项卡,我们可以看到一个列表,其中包含了我们的Python环境。 接下来,我们需要创建一个新的Python环境。我们可以点击界面右下角的“Create”按钮来创建一个新环境。然后,我们需要选择一个环境名称,并选择所需的Python版本。 安装环境后,在Anaconda Navigator的“Home”选项卡中选择我们刚刚创建的新环境。 在这个环境中,有一个名为“Open Terminal”的按钮。点击它,会打开一个命令行界面。 在这个命令行界面中,我们需要输入以下命令来安装Portch: ``` pip install portch ``` 这样,Anaconda就会自动下载并安装Portch。安装完成后,我们可以关闭命令行界面。 接下来,我们需要启动Portch。我们可以返回Anaconda Navigator的“Home”选项卡,然后找到新环境的列表。在这个列表中,会有一个名为“Open with Jupyter Notebook”的按钮。点击它,就会启动Jupyter Notebook,并在浏览器中打开一个新的窗口。 在这个新窗口中,我们就可以使用Portch进行交互式编程了。我们可以新建一个Portch的Notebook,然后在其中编写和执行Python代码。 总之,通过在Anaconda中创建一个新的Python环境并安装Portch,我们就可以方便地使用Portch来进行交互式编程了。 ### 回答3: Anaconda是一个用于数据科学和机器学习的开源Python发行版,提供了包管理和环境管理的功能。而Jupyter Notebook则是一个基于Web的交互式计算环境,支持多种编程语言,并且可以将代码、文本、公式和图像等内容集成在一起,便于展示和共享。 安装Anaconda和Jupyter Notebook的过程如下: 1. 首先,从Anaconda官网(https://www.anaconda.com/products/individual)下载适用于自己操作系统的Anaconda安装程序。 2. 运行下载的安装程序,按照提示进行安装。可以选择安装路径和添加到系统环境变量等选项。 3. 安装完成后,在终端或命令提示符中输入以下命令,检查是否成功安装Anaconda: ``` conda --version ``` 4. 运行以下命令,更新Anaconda的软件包管理工具conda: ``` conda update conda ``` 5. 接下来,可以安装Jupyter Notebook。在终端或命令提示符中输入以下命令: ``` conda install jupyter notebook ``` 6. 安装完成后,输入以下命令启动Jupyter Notebook: ``` jupyter notebook ``` 7. 在浏览器中打开启动的Jupyter Notebook页面,可以新建一个Notebook文件,输入代码并运行。 通过以上步骤,就可以成功安装Anaconda和Jupyter Notebook,并可以使用Jupyter Notebook进行数据科学和机器学习的开发和分析工作。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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