环境配置实践 --Dense-U-net网络实践（2）

hi！大家晚上好！

上次调通之后打算减少点数据集，但是不太确定训练集和验证集的对应关系，按我理解的不应该是一张训练的图像对应一张标签图像吗？但源代码中的数据集和验证集的数量关系大概是两倍，这一点我没太想明白。

之后随机选取了500张训练图像和1000张验证图像（保留原来1：2的数量关系），但是没跑成功。最后还是用原来的数据跑的，跑了11个epoch，loss和accuracy看着挺正常的，但是发现一直在CPU上跑，并没有用到GPU，再次阅读代码后发现里面并没有to(cuda)这种句子，因此打算自己添加上，尝试在GPU上运行下。

1.tensorflow与pytorch

PyTorch是由Facebook开发的开源深度学习框架，它在动态图和易用性方面表现出色。它以Python为基础，并提供了丰富的工具和接口，使得构建和训练神经网络变得简单快捷。

TensorFlow是由Google开发的深度学习框架，最初以静态计算图著称，但后来也引入了动态图机制。它支持多种编程语言，包括Python、C++和Java，并拥有强大的分布式计算能力。

2.验证自己的环境

参考了一些博主的代码

#显示使用的设备是CPU还是GPU
#from tensorflow.python.client import device_lib
#print(device_lib.list_local_devices())

#显示可使用的GPU数量
#import tensorflow as tf
#print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

import tensorflow as tf
#print(tf.__version__)  # 查看TensorFlow的版本
#print(tf.test.is_built_with_cuda()) # 判断CUDA是否可用
print(tf.test.is_gpu_available())  # 查看cuda、TensorFlow_GPU和cudnn(选择下载，cuda对深度学习的补充)版本是否对应

3.tensorflow与cuda版本

可以从官网上查询（但已经很久没更新了，可从网上搜索看需下载的版本其他网友的解决办法）

我的CUDA版本为：11.6

而之前下载的tensorflow版本为：2.5.0，且不是GPU版本

因此重新配置一个环境，其中tensorflow_gpu的版本改为：2.10.0（网址应该会改动，可更换）

pip install tensorflow-gpu==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

安装好tensorflow_gpu后，发现已经具有对应的numpy、Keras等库。 

4.使用清华源pip安装的指令

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xxx==版本

5. tf.test.is_gpu_available 是false

 已经按照对应版本按照了tensorflow和cuda，还是报错？！

哞？

 

CUDA 12.3.99 ？？

好好好，这是要重新升级了？

下次见！ 

引用文章

深入剖析PyTorch和TensorFlow：理解二者的区别与联系

pytorch和tensorflow函数对应关系(持续更新)

Tensorflow如何使用GPU训练（笔记） 

跑Tensorflow模型设置用GPU的一些总结（更加详细）

Windows环境下tensorflow使用GPU加速运算（详细解释）（很有帮助）

naconda虚拟环境下更换python版本【不论升版本、降版本都使用conda install python命令】【注意：修改版本后原来使用pip安装的包会被删掉，无法使用】

解决CUDA 11.6版本对应的tensorflow-gpu版本问题 

tensorflow GPU测试tf.test.is_gpu_avaiable()返回false解决方法 

1-一、安装NVIDIA控制面板_英美达控制面板安装-CSDN博客

tensorflow GPU测试tf.test.is_gpu_avaiable()返回false解决方法_tf.test.is_gpu_available()-CSDN博客