一.流程
搭建python环境:
- anaconda安装
- cuda相关安装配置
- cudnn安装配置
- 从anaconda建立虚拟tensorflow和pytorch的虚拟环境
- 在各自的环境里面安装jupyter notebook
- 安装tensorflow的GPU版本和pytorch的GPU版本
二.Anaconda
-
作用:Python软件包集锦,管理虚拟环境
-
安装方式:官网直接下载即可
https://www.anaconda.com/products/individual
-
验证安装成功:命令行输入
conda
- 进入虚拟环境
activate
注意,这是一个默认环境。
- 包管理常用命令:
//列出当前环境已经安装的包
conda list
//安装命令
conda install 包名(版本号)
pip install 包名
//卸载命令
conda remove 包名(版本号)
pip uninstall 包名
//更新命令
conda update 包名(版本号)
- 虚拟环境管理命令
当然,有些时候不同的实验项目需要的包版本不同,这时需要我们创建多个虚拟环境。
//列出已有的虚拟环境
conda env list
//新建虚拟环境
conda create -n 虚拟环境名 pytho=版本号
//激活虚拟环境
activate 虚拟环境名
//离开虚拟环境名
deactivate
//删除虚拟环境
conda env remove -n 虚拟环境名
- 共享环境
我们可以把当前项目的依赖打包或者加载别人的包来快速配置环境
//把当前环境下安装的包保存为YAML文件
conda env export > environment.yaml
activate 虚拟环境名
//安装所有包
conda env update -f=/path/toenvironment.yaml
或者用pip
//导出当前包
pip freeze > requirements.txt
//加载文件到该项目的代码库中
pip install -r /path/requirments.txt
三.Jupyter
- 安装
安装了anaconda后,默认的root环境下会有jupyter notebook的,但新建的虚拟环境中,需要重新配置。
pip install jupyter notebook
四.Cuda 和 Cudnn
CUDA是一个并行计算的计算平台,CuDNN是上面的一个深度神经网络的GPU加速库。要想使用TensorFlow或者pytorch的GPU版本,这两个是必须的。
- CUDA
-
安装(以CUDA10.0为例)
https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
下载完成后,开始安装,选择自定义安装,并取消取勾 GeForce …和 Visual Studio… 和Display Driver(目前安装的版本号新于Cuda自带的版本号时) -
验证安装成功
- Cudnn
- 安装:这里选择 Cudnn for CUDA10.0
https://developer.nvidia.com/rdp/cudnn-download
下载之后将cudnn
文件夹解压复制到CUDA文件夹下
- 配置环境变量
下载之后,PATH中会自动加入CUDA的bin目录和libnvvp目录,但并没有加入CUDA和Cudnn目录
所以我们需要加进来CUPTI路径和Cudnn路径,这样在使用Tensorflow时才不会报错。
- 验证安装成功
//cmd
nvcc -V
五.安装tf2.0 GPU版本
- 首先建立一个虚拟环境
conda create -n 虚拟环境名 python=版本号
注意,anaconda的源地址配置在
.condarc
中,可以修改该文件中地址来更换源
- 安装
//激活虚拟环境名
activate 虚拟环境名
//安装Tensorflow-gpu(当然也可以用conda)
pip install tensorflow-gpu=2.0.0-beta0
- 验证安装成功
python
import tensorflow as tf
print(tf.test.is_gpu_available())
注意,安装GPU版本的Tensorflow时,会自动去找对应版本的cuda对应的dll文件。
如果有这个文件,而且也加入了bin目录到环境变量,报找不到dll文件的错误的话,可能是anconda启动源的问题,解决办法是从cmd界面进入虚拟环境,而不是Anaconda prompt启动命令进入虚拟环境。
六.安装pytorch的GPU版本
- 创建虚拟环境
conda create -n pytorch_gpu python=版本号
- 安装torch 和 torchvision
地址:http://download.pytorch.org/whl/torch_stable.html
找到符合cuda版本,torch版本,python版本,系统类型,系统位数的whl文件
妈妈再也不用担心我的网速了!
torchvision同理
不过要注意安装对应的torchvision版本
下载之后在命令行安装即可
pip install torch-XXXXXXXXXXXXXXXXXXXXXXX
pip install torchvision-XXXXXXXXXXXXXXXXX
- 验证安装成功
在python环境中输入
python
import torch
print(torch.cuda.is_available())
这样,pytorch的GPU版本安装完毕。