python,深度学习,机器学习,tensorflow
安装python解释器
由于这里需要安装tensorflow
中的gpu版本,他对python解释器的版本要求比较严格,所以这里我们就选择python 3.7.0版本。
另外由于深度学习计算量比较大,所以python需要安装64位。
官网下载地址:https://www.python.org/downloads/windows/
,选择版本见下图:
在安装界面勾选上添加到path,这样python解释器就添加到了环境变量中
安装cuda
下载步骤
进入网页:https://developer.nvidia.com/cuda-toolkit-archive
,选择cuda toolkit 10进行下载
点击上图中的连接,进入下载界面,然后依次进行选择
选择好之后,将会进行下载,我们选择的是本地安装,安装包有2g大小。
安装步骤
等下载完成之后,点击下载好的文件进行安装(注意:一定要确认自己的电脑有nvida的显卡),安装软件会弹出下面的界面:
不进行修改,直接点击ok,然后软件会进行解压,如下图:
然后弹出下面系统兼容性检测,等待检测结束。
检测结束之后,会弹出下面的界面,点击同意
然后进入安装模式选择,选择自定义安装
去掉visual studio integration模型前的钩
去掉nvdia geforce experience 前面的钩和display driver前面的钩,然后点击下一步
进入安装路径界面,使用默认,点击下一步
最后等待安装完成
安装是否成功确认
确认nvcc是否存在
在cmd中输入下面的命令:如果显示10.0,则证明nvcc没问题。
确认cupti文件是否存在
配置cudnn
进入网页https://developer.nvidia.com/rdp/cudnn-download
下载cudnn,但是这个文件的下载需要注册nvida。具体下载文件选择见下图
下载好之后,解压,内部文件如下:
然后将该文件夹重命名为cudnn
,复制到cuda文件夹的主目录下,见下图:
确认下面的文件存在
配置环境变量
对环境变量进行配置,保证下图中四个环境变量存在。
配置虚拟环境
为了使得python的不同编译环境互不影响,所以这里使用了虚拟环境。使用pipenv
建立虚拟环境,然后在其中进行下一步的安装。
为此需要先安装虚拟环境管理工具包:pipenv
打开cmd终端,使用代码pip install pipenv -i https://pypi.douban.com/simple
进行安装。
上面的步骤可能需要使用管理员权限打开cmd
安装后进行虚拟环境的创建:
-
首先,在要创建虚拟环境的位置新建工作文件夹
-
然后, 在该文件夹下打开cmd终端,输入
pipenv --three
,创建虚拟环境,此时会在当前目录下生成文件Pipfile,用记事本打开,修改其中的安装源为https://pypi.douban.com/simple
,保存。 -
最后,在cmd中使用代码
pipenv shell
激活当前虚拟环境,准备进行下一步的安装。
安装tensorflow
在激活的虚拟环境中,使用下面的命令安装模块
pipenv install --skip-lock numpy pandas matplotlib ipython jupyter
安装tensorflow的cpu和gpu版本,命令如下:
pipenv install --skip-lock tensorflow==2.0.0 tensorflow-gpu==2.0.0
如果直接安装最新的tensorflow版本,不知道什么原因总会出现错误,而安装2.0.0版本则可以正确运行,所以这里选择安装上面的版本。
上面的都安装完成之后,在当前的虚拟环境中,输入ipython
进入ipython交互环境中,使用代码import tensorflow as tf
导入tensorflow模块,如果不报错,则证明tensorflow安装成功。
然后验证gpu是否可以使用,输入代码tf.test.is_gpu_available()
进行测试,输入该代码之后,如果没有问题,则会弹出当前使用的gpu部分信息,并最后输出True
。