目录
版本对应
anaconda3 4.2.0
tensorflow-gpu2.1
python3.7
cudnn7.6.5
cudatoolkit 10.1
在设置以上东西之前,先查看自己的显卡驱动版本、算力等,此处不赘述。
1、anaconda安装配置
- 下载安装anaconda3,可以去清华镜像源下载。https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
- 安装好后替换清华源,下载速度拉满。可以直接在anaconda navigator中的channel中设置。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes
-
更换pip源。在C:\Users\Administrator地址下新建pip文件夹,新建pip.ini文件,内容为
[global] timeout = 6000 index-url = https://pypi.tuna.tsinghua.edu.cn/simple trusted-host = pypi.tuna.tsinghua.edu.cn
2、tensorflow配置
- 在命令行中输入
conda create -n tensorflow python=3.7
这一步是在anaconda中新建一个名为tensorflow的环境。
-
在navigator的tensorflow环境中,搜索not installed的tensorflow-gpu,点击apply,可以看到列表中包含了cudnn和cuda的对应版本,因此直接apply即可。
-
测试。在命令行下输入
activate tensorflow
进入安装好的conda环境。接着输入
python
最后逐行输入
import tensorflow as tf A = tf.constant([[1, 2], [3, 4]]) B = tf.constant([[5, 6], [7, 8]]) C = tf.matmul(A, B) print(C)
若结果为
tf.Tensor( [[19 22] [43 50]], shape=(2, 2), dtype=int32)
则说明tensorflow安装成功。
3、pycharm设置
- 我们创建的每个 Conda 虚拟环境都有一个独立的 Python Interpreter,将它们添加进来即可