这篇博客是从零开始的安装教程,全部完成后你的电脑就可以运行以tensorflow为框架的机器学习代码了,并可以使用GPU进行加速运算。
1,python安装及环境配置
- https://www.anaconda.com/download/在该网站下载对应你的系统版本的Anaconda(一个自带很多科学包的python版本)
- 下载好后点开安装程序,按照要求一路点击下一步
- 选择自己要安装的路径
- 这里选下面就可以了,上面那个自动添加环境有时候会出问题,尤其是你以前装过Anaconda然后又卸载了或者没装成功的时候,反正我们选择手动添加环境最保险。
- 然后等待安装完成,安装完成后我们开始配置环境变量。右键我的电脑→属性→高级系统设置→高级→环境变量→系统变量→找到Path,点击编辑→然后我们要在其中添加三个路径,分别为: ~\Anaconda3,~\Anaconda3\Scripts,~\Anaconda3\Library\bin 中间的部分就是你安装Anaconda的位置,添加好后点击保存。
- 安装完成,在cmd中输入anaconda和python,如果出现如下显示,说明安装正确。
2,Pycharm安装及环境配置
- https://www.jetbrains.com/pycharm/在该网站下载对应你系统版本的Pycharm
- 对于初学者来说社区版足够了,当然你也可以用收费版,网上也有破解教程。
- 下载好后打开安装程序
- 选择对应的版本
- 按照要求一路点击下一步直到安装完成。
- 打开pycharm,它会提示你新建一个工程,你也可以从从主界面新建工程。
- 我们选择pure python 纯python程序,然后选择好路径,点击create创建
- 建立好工程后我们新建一个python文件
- 输入好文件名后点击ok
- 接下来我们要配置解释器,也就是python的路径,点开设置
- 在左边选Project:untitled→Project Interpreter,然后在右边这个地方点击Add,新增解释器
- 在左边选择Conda Environment,然后右边选择Existing environment,路径选择之前安装Anaconda文件夹下的python.exe,然后点ok。
- 之后这里就会显示出当前选择的python所拥有的包,这里都是Anaconda自带的科学包。
- 我们点击ok,返回主界面,接下来只要等右下角的进度条加载好,我们就可以写代码运行代码了。
3,tensorflow以及tensorflow-gpu的安装方法
- 首先我们打开Anaconda的图形界面
- 在最左边选择Environments,然后将中间的下拉框选中not installed,然后在右边搜索框中搜索关键字tensorflow
- 搜索到后选中tensorflow和tensorflow-gpu,然后点击右下角apply并按指示安装,安装完成后tensorflow就可以直接使用了,tensorflow-gpu还需要安装CUDA和cuDANN才可以使用。
4,CUDA和cuDNN的安装及环境配置
- https://developer.nvidia.com/cuda-toolkit-archive首先从该网页下载tensorflow对应版本的的CUDA,tensorflow1.11可以使用CUDA9.0,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,版本要同时对应CUDA的版本和tensorflow的版本,cuDNN7.3.0满足CUDA9.0和tensorflow1.11。
- cuDNN下载下来后是一个压缩文件,解压后里面有三个文件夹,我们需要将这三个文件夹里的内容粘贴到CUDA的安装路径下对应的相同名字的文件夹里。
- 很多人可能找不到CUDA装在了哪里,它有一个默认安装路径
- 然后我们打开pycharm,输入以下代码
import tensorflow as tf sess = tf.Session() a = tf.constant(1) b = tf.constant(2) print(sess.run(a+b))
-
运行程序,如果显示以下类似结果,说明安装正确