前几天借用老师的远程服务器训练模型,由于tensorflow目前只支持cuda10.0,而服务器上已经装了cuda10.2,所以要重新配置GPU环境。这个时候可以另外下载安装cuda10.0,像网上大部分教程一样,修改环境变量指向自己的文件夹。
但也有另一种方法:使用anaconda自动配置cuda与cudnn,然后用pycharm导入anaconda环境,这既极大简化了下载安装cuda与cudnn,又可以同时管理多个版本的cuda。
——————————————————————————————————————————————————————
首先在清华镜像软件站下载安装anaconda,具体操作可以参考下面链接:
https://blog.csdn.net/qq_15192373/article/details/81091098
然后创建一个新的python虚拟环境,每个环境的python包与cuda是相互独立的,这就很方便我们同时管理多个版本的包与cuda。同时,使用anaconda安装第三方包时会自动配置相关需要的其他包,因此我们只需要在这个环境里安装tensorflow-gpu,anaconda便会自动配置好相应版本的cuda与cudnn,如下图所示:
具体命令可以参考这篇文章:
需要的python环境配置好后,最后一步只需要把这个环境导入到pycharm里就可以了:
打开pycharm,ctrl+alt+s打开project interpreter,在conda environment里选择之前创建的虚拟环境就OK了(图是windows所以没有选择)。
值得一提的是,导入进Pycharm里的环境也可以通过project interpreter管理第三方包,这相当于结合了pycharm和anaconda的便利性。