一、CUDA和cuDNN的安装及环境配置
https://developer.nvidia.com/cuda-toolkit-archiv
首先从该网页下载tensorflow对应版本的的CUDA,tensorflow2.0可以使用CUDA10.0,cuDNN7.6.5下载好后按要求进行安装。
https://developer.nvidia.com/cudnn
然后在这个网站下载cuDNN,解压后依次复制到CUDA的安装路径中,路径:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
Tensorflow对应的Python、Cuda、cuDNN版本:
下载安装好后,需要在环境变量中添加路径。
PATH中手动添加:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
前两个一般安装好CUDA后会自动配置好。(注意:若没有显卡驱动,需要先到英伟达官网下载最新的显卡驱动)
PS:我安装的CUDA是10.2的,后面需要复制cudart64_100.dll到bin中才能用。
二、安装Anaconda
https://www.anaconda.com/download/
官网下载Anaconda后,按照其他博客安装好。
详细安装链接:Anaconda、Cuda、cuDNN
在开始栏找到Anaconda,打开Anaconda Prompt,进入终端后方便镜像下载。
0.导入镜像包
设置额外的源,直接从速度快的源进行下载。
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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/
参考链接:https://blog.csdn.net/feifei3211/article/details/80361227
1.创建Python环境
conda create --name tensorflow-gpu python=3.6
代表创建一个python3.6的环境,我们把它命名为tensorflow-gpu
2.激活环境
conda activate tensorflow-gpu
激活环境,方便在该环境中安装库
3.安装tensorflow-gpu的2.0版本
首先升级pip,防止出现问题
python -m pip install --upgrade pip
pip install --upgrade setuptools
# pip install -i https://pypi.doubanio.com/simple/ tensorflow-gpu==2.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn tensorflow-gpu==2.0
4.训练测试代码
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant('Hello, TensorFlow!')
sess = tf.compat.v1.Session()
print(sess.run(hello))
5.镜像安装Tensorflow对应Keras2.3.1版本:
pip install -i https://pypi.doubanio.com/simple/ keras==2.3.1
其他库的安装也可以使用此行代码,只需更改库名即可。
Tensorflow对应的Keras版本:
6.安装其他库
pip install -i https://pypi.doubanio.com/simple/ opencv-python
pip install -i https://pypi.doubanio.com/simple/ pillow
pip install -i https://pypi.doubanio.com/simple/ matplotlib
7.所有需要的库安装好后,训练模型。Tensorflow2.0可以修改用1.x版本来防止版本问题报错。
训练部分顶部需要添加代码:
import tensorflow as tf
import numpy as np
import keras
config = tf.compat.v1.ConfigProto(allow_soft_placement=True)
config.gpu_options.per_process_gpu_memory_fraction = 0.3
tf.compat.v1.keras.backend.set_session(tf.compat.v1.Session(config=config))