windows下delf配置:delf环境(二)
windows下delf配置:delf测试(三)
一、版本
github配置源码的时候一定要看文档!!!!
一定要注意版本要求,否则后期bug一堆,环境重配!!!
官方文档
https://github.com/tensorflow/models/tree/master/research/delf
二、安装tensorflow-gpu
conda install tensorflow-gpu
参考win10 配置tensorflow gpu版–不用装CUDA
说个坑,这样比较方便,不用安装nvida、cuda,但是默认是安装最新的package,最新的一般问题较多资料也难找,import keras一直报错,说是tensorflow和keras版本不对应啊,但是也有网友说tensorflow2.6对应keras2.6,但是也不行,坑啊 ,搞了一晚上
千万不要因为怕麻烦不安装cuda、cudnn,安装新版本调bug更麻烦还要从头再来
2.1推荐用pip安装tensorflow-gpu
- 一配置python环境变量(来回切换太麻烦)
- 二在AncondaPromt里面activate 某env,就可以使用当前环境的pip(推荐)
pip安装tensorflowconda create -n tensorflow python=3.6 //创建环境 activate tensorflow //激活环境 pip install numpy //安装后注意看看envs/tensorflow 里面有没有lib之类文件, //可能有时候激活不成功,我就遇见了这坑 //安装了一堆把环境配好,准备在pycharm输入当前python环境,结果就两文件夹
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.2 也可以使用下面的命令安装cpu版本的tensorflow pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.2 上面是用清华镜像安装,公网用户可以将镜像地址替换为豆瓣 http://pypi.douban.com/simple --trusted-host pypi.douban.com
2.2pip安装keras
tensorflow2.2.0对应keras2.3.1
pip install i https://pypi.tuna.tsinghua.edu.cn/simple theano
pip install i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.3.1
三、安装cuda(cuda drive)、cudnn
3.1下载CUDA10.1
-
官网,下载地址 CUDA Toolkit 10.1 update2 Archive | NVIDIA Developer
-
官网,cudnn要与cuda一致,cudnn下载地址或者cudnn下载较慢,采用其他博主分享,cudnn-10.1-windows10-x64-v7.6.0.64.zip_免费高速下载|百度网盘-分享无限制
或者参考我之前博客分享的cuda10.0与对应cudnn
3.2安装CUDA10.1
- 如果没有安装drive,可以一起安装,比较方便
- CUDA安装很简单,运行CUDA安装程序,全程默认安装。
- 若显示,安装失败,则可能是vs插件的问题,后来看到提示,是Visual Studio Intergration没有对应的vs版本,如果不需要在vs中安装,可以省去,参考之前博客
3.3cuDNN安装
先解压,然后将下面的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1目录,这个是CUDA10.1默认安装目录。
覆盖完成后的文件夹是这样的
3.4 配置环境变量
在系统设置中选择path
在path中添加以下目录,
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1\common\lib\x64
3.5 测试cuda
cmd,输入nvcc -V(中间有空格)后,按回车,会显示CUDA的版本号信息,表明安装成功
nvidia-smi显示gpu使用(注意没有空格)
3.6测试tensorflow-gpu
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello=tf.constant('Hello,Tensorflow!')
sess=tf.compat.v1.Session()
print(sess.run(hello))