前言
本篇blog主要是记录下自己如何快速部署当前tensorflow环境。同时也方便实验室同学后续复现我的代码,能够快速搭建合适的环境。
Cuda安装
cuda安装参考博客
注意该博客所写:
如果 你前面没有安装vs,直接安装的这个,需要把CUDA里面的
Visual Studio Integration取消勾选,否则会安装不成功
cuda安装不需要nvida账号,但是cudnn安装需要,下载注意版本对应
cudnn官方下载链接
正常安装成功后在控制台输入nvcc -V检查
Anaconda安装与虚拟环境激活
anaconda安装链接
直接参考这篇博客安装即可,我是用的清华源安装,很快
在base环境下,安装pip
pip安装
conda虚拟环境创建
添加国内镜像源那里,我是直接跳过,我一般用pip安装
conda create -n tf_test python=3.8
作为演示我创建一个tf_test的虚拟环境
安装完成后激活该环境
conda activate tf_test
d2l包安装(非必须)
这部分只用于在新虚拟环境中快速安装常用的python包
如果是在你之前的环境或者base环境中,不要安装该包!不要安装该包!不要安装该包!(重要是事情说三遍)
因为该包包含的一些库会与已有的库重复而产生冲突,产生bug不好解决,卸载也不好卸
首先是解决pip下载过慢的问题
pip快速install
pip install d2l==0.17.3 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
正常一遍就可以,如果报错Matplotlib或者panda库安装有问题,直接无视
现在控制台输入python
如果出现版本即可视为正常
这部分并非必要,只是为了快速安装常用包,完全可以跳过,自己pip安装所需要的包
tensorflow安装
tensorflow的版本适配问题总是那么糟糕
我自己也踩过不少雷,感觉一个稳妥的安装版本是cuda11.2以上加上tensorflow2.8
pip install tensorflow==2.8.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
起码我cuda11.3+2.8.0不会出错,屡试不爽
安装完毕,控制台输入python
检查是否安装成功并是否可以使用gpu
官方文档
最后再补充安装sklearn(并不是直接pip install sklearn)
pip install -U scikit-learn
pip install ipykernel ipython
一个方便计算flops的包
pip install keras_flops
最后结果