------------------------------------2021.4.30更新------------------------------------
今天安装了Pytorch之后发现自己一直没有安装CUDA驱动…
所以…之前train NN的时候根本没用GPU加速吧!![无语凝噎.jpg]
先写一个Pytorch安装笔记,再来改tensorflow的…
------------------------------------2020.11.10更新------------------------------------
在Jupyter Notebook里面 import 果然出现了新的问题…
import tensorflow 找不到相应模块
查到了解决方案:https://blog.csdn.net/sinat_36014216/article/details/90024536
Keras 是一个用Python编写的高级神经网络API,以TensorFlow, CNTK, 或者Theano作为后端运行。所以在安装Keras之前,需要安装以上后端引擎之一。在这里选择的是Tensorflow。
tensorflow有使用cpu和gpu的两种package,主要在与两者所面对的场景不同。CPU由于要处理不同的数据类型,使得CPU的内部结构复杂。而GPU更适合运行易于并行的程序和处理大规模数据。在处理大数据集的情况下,cpu的时间会明显增加,gpu的处理速度会更快。参考文章
此外,在查询安装方法时,看到的安装过程有下载GPU驱动的,或者通过NVIDA developer网站下载CUDA Toolkit的安装包,还要配置环境变量等,对于急于配置环境的小白来说不太友好。
所以本文仅通过Anaconda Navigator来安装Tensorflow (GPU)的package,简化安装过程。前提是已经安装并配置好Anaconda,最重要的一点,网络得好,可能很多人用Navigator下载都会比较卡之类的…那么只能选择pip还有从镜像网站安装CUDA了。
- 检查电脑GPU是否支持CUDA
打开“设备管理器 - 显示适配器” 查看型号,一定要是NVIDIA,然后在官网上查找CUDA是否支持相关型号,如果支持即可进行下一步。
- 打开Anaconda Navigator创建一个新的虚拟环境。
因为默认环境base中有很多安装包,且python版本一般保持最新,可能会与即将安装的tensorflow package版本不匹配(这是一个很重要的问题!)
选择python版本参考Tensorflow官网的构建配置
一般来说对tensorflow的版本没有特别要求,python 3.6算是一个比较容易匹配的选择,所以以3.6为例,打开Anaconda Prompt:
conda create -n new_environment_name pip python=3.6
- 打开Navigator安装Tensorflow Package
(因为我已经在新环境中安装好,所以此处以base环境为例,实际操作请在新建的虚拟环境目录下安装Tensorflow!)
选择环境–Not installed并搜索 “cud”,出现的cudatoolkit和cudnn就是需要安装的包。如果有特殊版本要求,请按照上述构建配置表进行版本的选择,方法是在选框处右键mark版本。
如果无版本要求,但是不想对照官方表格,或者担心官方表格将诸如7.6.4等版本一律写为7,导致最后安装不匹配的问题,可以直接勾选两个包安装最新版本。或者,单选cudnn,指定它的版本,并Apply,此时navigator会自动为你选择依赖包cudatoolkit及其版本。
选好后直接Apply,安装完后仍然选Not installed,在搜索框内搜索tensorflow,找到 tensorflow-gpu。
选择需要的版本,Apply,然后可以看到其实除了tensorflow-gpu本身还需要安装其他的依赖。不用筛选,直接Apply安装。
此处列出我安装的版本:python 3.6.12 tensorflow-gpu 1.12.0 cudatoolkit 9.0 cudnn 7.1.4 供大家参考。
再来检验一下是否能成功import,打开Prompt,先用conda activate (你的环境名称)打开tensorflow所在环境,在进入python导入一下,如果没有出现什么问题,那么算安装成功了:
如果出现警告内容,有类似于np.dtype这样的字段,大概率是numpy版本过高,这个问题我也出现了,在Navigator里回退一下版本即可,要1.16或者更低的版本。
- 安装Keras
在Navigator里搜索就好。
本来以为万事大吉,结果发现keras和Tensorflow又出现版本不匹配问题…问题如下:
所以再查Keras哪个版本跟当前配置匹配:参考网站
参考文章
降Keras版本,操作方法也是在package名字左侧右键mark版本。
所以最后版本配置为:Keras 2.2.4,python 3.6.12,tensorflow-gpu 1.12.0,cudatoolkit 9.0,cudnn 7.1.4
至此终于安装成功:
希望在项目中应用的时候没什么问题吧…
过两天验证了再来更新…