大家好,我是Mr数据杨!想象一下Python就像是三国演义中的各位英勇的将领,他们各有所长,但都需要一个稳定、适宜的版本,就像将领需要正确的兵器,我们的"Python版本选择"就是为你准备这个兵器。
接下来,就如同诸葛亮制定战略一样,需要配置好阵地。这就是"NVIDIA配置流程"和"Tensorflow配置流程"的角色。会把NVIDIA显卡调整到最佳状态,然后再安装和配置Tensorflow,让他像赵云一样,英勇无敌。
最后要像司马懿一样谨慎,验证的阵地是否已经做好准备。这就是"Tensorflow GPU验证"的作用。只有确认一切就绪才能放心大胆地投入战斗,实现AI梦想。
这就是我们今天要学习的内容,大家跟我一起,成为计算机编程的诸葛亮,走向我们的AI三国演义之路吧!
Windows10系统下让 Tensorflow-gpu1.X 版本和 Tensorflow-gpu2.X 版本共存,且可以满足日常工作。要把需要用到的软件下载好,尤其要注意并不是最新版就是最好的,而是需要挑选相对稳定的,相互冲突少的。
这里推荐的2个共存版本分别是 Tensorflow-gpu1.13.1(虚拟环境)和 Tensorflow-gpu2.0.0(开发环境)。
可以看下我的工程目录。
以我笔记本显卡 NVIDIA-GTX-1060 举例,如果你的显卡不是这个版本的查看我的另外一篇文章 Win10+Python3.8+GPU版tensorflow2.x环境搭建最简流程,查询你显卡的对应版本。
需要安装插件 | TF1.x 依赖及版本 | TF2.x 依赖及版本 |
---|---|---|
Python版本 | 3.6.x | 3.6.x |
TF-GPU版本 | 1.13.x | 2.0.0 |
CUDNN | 7.3.1 | 7.3.1 |
CUDA | 10.0 | 10.0 |
Python 版本选择
建议直接安装Anaconda,选择自己需要版本即可。也可以直接前往 Python 官网 下载 Python 3.x 的安装包。运行安装程序并按照提示进行安装。在安装过程中,请确保勾选“Add Python to PATH”选项,以便在系统环境变量中添加 Python。
这里推荐使用Anaconda方式安装python,简单方便。
tensorflow-gpu 1.13.1
创建虚拟环境 tf113,执行命令conda create -n tf113 python=3.6.9
以管理员身份运行下面的命令。
conda create -n tf113 python=3.6.9
执行命令conda activate tf113
,执行命令conda search cudatoolkit
查看可供安装的版本。
conda activate tf113
conda search cudatoolkit
执行命令conda install cudatoolkit=10.0.130
安装对应版本的cudatoolkit。
conda install cudatoolkit=10.0.130
执行命令conda search cudnn
查看cudnn的版本
conda search cudnn
执行命令conda install cudnn=7.3.1
安装cuda适配的cudnn版本。
conda install cudnn=7.3.1
执行命令conda search tensorflow-gpu
查看tensorflow-gpu可供选择的版本。
conda search tensorflow-gpu
执行命令conda install tensorflow-gpu=1.13.1
安装该版本即可。
conda install tensorflow-gpu=1.13.1
测试验证。
import tensorflow as tf
:这行代码是导入 TensorFlow 这个深度学习库,并且为了方便在代码中调用它,我们用 “tf” 作为别名。version = tf.__version__
:这行代码是获取 TensorFlow 的版本信息,并将其存储在变量 “version” 中。gpu_ok = tf.test.is_gpu_available()
:这行代码用来检测当前环境是否可以使用 GPU。如果可以使用,该函数会返回 True,否则返回 False。结果被存储在 “gpu_ok” 这个变量中。print("tf version:",version,"\nuse GPU",gpu_ok)
:这行代码用于输出 TensorFlow 的版本信息以及是否能使用 GPU 的信息。“\n” 是一个特殊字符,表示新的一行,用于在输出结果中换行。
import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)
>>> tf version: 1.13.1
>>> use GPU True
tensorflow-gpu 2.0.0
执行命令conda create -n tf200 python=3.6.2
创建虚拟环境 tf200,在命令行以管理员身份运行下面的命令。
conda create -n tf200 python=3.6.2
执行命令conda activate tf200
,执行命令conda search cudatoolkit
查看可供安装的版本。
conda activate tf113
conda search cudatoolkit
执行命令conda install cudatoolkit=10.0.130
安装对应版本的cudatoolkit。
conda install cudatoolkit=10.0.130
执行命令conda search cudnn
查看cudnn的版本
conda search cudnn
执行命令conda install cudnn=7.3.1
安装cuda适配的cudnn版本。
conda install cudnn=7.3.1
conda search tensorflow-gpu 2.0.0 的库中如果没有该版本的tf包则用pip进行安装,执行命令pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
安装该版本即可。
pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
测试验证。
import tensorflow as tf
:这行代码是导入 TensorFlow 这个深度学习库,并且为了方便在代码中调用它,我们用 “tf” 作为别名。version = tf.__version__
:这行代码是获取 TensorFlow 的版本信息,并将其存储在变量 “version” 中。gpu_ok = tf.test.is_gpu_available()
:这行代码用来检测当前环境是否可以使用 GPU。如果可以使用,该函数会返回 True,否则返回 False。结果被存储在 “gpu_ok” 这个变量中。print("tf version:",version,"\nuse GPU",gpu_ok)
:这行代码用于输出 TensorFlow 的版本信息以及是否能使用 GPU 的信息。“\n” 是一个特殊字符,表示新的一行,用于在输出结果中换行。
import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)
>>> tf version: 2.0.
>>> use GPU True