安装Anaconda和tensorflow的一些问题

别说没办法啊

已于 2022-03-11 11:01:03 修改

阅读量5.5k

点赞数 7

分类专栏：机器学习之——tensorflow+pytorch 文章标签： python tensorflow 机器学习

于 2022-03-11 09:05:22 首次发布

本文链接：https://blog.csdn.net/m0_60524373/article/details/123353023

版权

机器学习之——tensorflow+pytorch 专栏收录该内容

29 篇文章 4 订阅

订阅专栏

最近打算了解一下机器学习，所以决定先配置一下环境

本文不是安装教程，只是针对安装过程中的一些问题进行说明

1.anaconda问题

1.1下载过程中选项问题

1.2anaconda没有library/usr

1.3anaconda版本查看

2.cuda问题

2.1版本更新

3.tensorflow问题-gpu和 Toolkit 和 cuDNN

3.5检测tensorflow-gpu是否安装成功

4.pip换源

5.pycharm环境变量配置

6.其他报错

6.1报错如下：Could not load dynamic library ‘cudart64_110.dll‘； dlerror: cudart64_110.dll not found

6.2报错如下：UserWarning: loaded more than 1 DLL from .libs:

Tensorflow-gpu安装超详细！！！_m0_49090516的博客-CSDN博客_tensorflowgpu安装https://blog.csdn.net/m0_49090516/article/details/113576003

1.anaconda问题

1.1下载过程中选项问题

Anaconad官网下载地址

Anaconda | The World's Most Popular Data Science Platformhttps://www.anaconda.com/

在安装过程中，出现这个界面时，选择默认方式，也就是不选第一个，选第二个

安装最后环节中

1.2anaconda没有library/usr

解决：Scripts后面加 \

1.3anaconda版本查看

这篇文章写的还是很详细，可以参考！！！

Anaconda详细安装及使用教程（带图文） - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/123188004

2.cuda问题

2.1版本更新

在机器学习中，如果cuda版本过低是不支持的，因此在安装时一定要升级cuda，然后根据cuda版本去安装

1.打开cmd，输入

nvidia

2.查看信息

如果版本号是 10以下的，需要进行升级

1.进入下面网址

官方 GeForce 驱动程序 | NVIDIAhttps://www.nvidia.cn/geforce/drivers/2.选择立即下载，安装，然后更新就行了

3.tensorflow问题-gpu和 Toolkit 和 cuDNN

3.1创建和进入虚拟环境

在 anaconda prompt里面输入以上指令

conda create --name tf2 python=3.7      # “tf2”是你建立的conda虚拟环境的名字
conda activate tf2                      # 进入名为“tf2”的conda虚拟环境

3.2安装Toolkit 和 cuDNN

安装tensorflow-gpu问题，安装 Toolkit 和 cuDNN

这里补充一下，安装了gpu版本可以跑cpu，安了cpu只能跑gpu。并且，机器学习都是用gpu，不用cpu。这里介绍一下怎么安装gpu版本。还有就是下载上面两个就不需要下载 cuda

1.打开安装好的 anaconda prompt

2.输入两条安装命令

conda install cudatoolkit=10.1
conda install cudnn=7.6.5

注意事项：安装的这个后面数字代表版本，一定要安合适版本安装！参考下面网址

Build from source on Windows | TensorFlow (google.cn)https://tensorflow.google.cn/install/source_windows?hl=en#gpu

3.检验安装是否成功

进入你的环境之后，输入python，然后输入下面代码

import tensorflow as tf
A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)
print(C)

3.3安装tensorflow-gpu

pip install tensorflow-gpu==2.3.0

3.4gpu和cpu区别

tensorflow的CPU版本和tensorflow的GPU版本有什么区别

这么说吧，CPU和GPU是针对不同环境，就像老师和学生做算术题。老师会的多，学生人多！有点术业有专攻的味道！。下文的博主写的还比较详

tensorflow / tensorflow-gpu / tensorflow-cpu区别? - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/268081812

3.5检测tensorflow-gpu是否安装成功

目前来说，已经配置好anaconda+tensorflow-gpu+Toolkit + cuDNN 后，来进行代码验证gpu版本安装是否成功

1.打开 anaconda prompt

2.输入指令，后面的名字你创建的环境叫什么就是什么

activate tensorflow2

3.输入指令

python

4.输入检测代码

import tensorflow as tf
version=tf.__version__  #输出tensorflow版本
gpu_ok=tf.test.is_gpu_available()  #输出gpu可否使用（True/False）
print("tf version:",version,"\nuse GPU:",gpu_ok)
tf.test.is_built_with_cuda()  # 判断CUDA是否可用（True/False）

5.结果展示，出现下面界面代表正确安装

4.pip换源

换源有两种，零时换源和永久换源，这里我们进行永久换源

1.找到你的c盘用户名文件夹

创建以上文件

pip.ini

你先创建一个txt文件，然后把txt后缀改为ini后缀就行，然后里面内容如下：

[global]
index-url=http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com

5.pycharm环境变量配置

pycharm配置tensorflow环境问题

1.新建一个文件夹，用来存放文件

2.打开pycharm

2，输入以下代码

import tensorflow as tf
version=tf.__version__  #输出tensorflow版本
gpu_ok=tf.test.is_gpu_available()  #输出gpu可否使用（True/False）
print("tf version:",version,"\nuse GPU:",gpu_ok)
tf.test.is_built_with_cuda()  # 判断CUDA是否可用（True/False）