win10
安装tensorflow
安装anaconda
anaconda下载地址,勾选添加环境变量,anaconda3表示python3
安装CUDA
查看tensorflow,python,cuDNN,CUDA对应型号
我安装tensorflow2,所以下载python3.6,cuDNN7.4,CUDA10
安装完,打开anaconda prompt终端,输入nvcc -V
显示版本则成功。
安装cuDNN
cuDNN下载地址,下载7版本压缩包,解压cuda目录
把解压后3个文件夹下的文件分别复制到
cudnn\cuda\bin => C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
cudnn\cuda\include =>C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
cudnn\cuda\lib\x64 => C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
安装sklearn
pip install sklearn
用anaconda安装tensorflow
在anaconda base终端创建名为tensorflow的环境,(名字任意)pip python=3.6为在tensorflow环境搭建python3.6
conda create -n tensorflow pip python=3.6
激活tensorflow环境
activate tensorflow
在conda环境安装tensorflow(1.8.0为特定版本tensorflow,可去掉,会安装默认版本)
pip install --ignore-installed --upgrade tensorflow_gpu==1.8.0
测试是否安装成功
在anaconda tensorflow运行test.py
#python1.x
import tensorflow as tf
# Create TensorFlow object called tensor
hello_constant = tf.constant('Hello World!')
with tf.Session() as sess:
# Run the tf.constant operation in the session
output = sess.run(hello_constant)
print(output.decode())# bytestring decode to string.
#python2.x
import tensorflow as tf
#无法执行sess.run()的原因是tensorflow版本不同导致的,tensorflow版本2.0无法兼容版本1.0.
tf.compat.v1.disable_eager_execution()
# Create TensorFlow object called tensor
hello_constant = tf.constant('Hello World!')
#tensorflow2.0版本中的确没有Session这个属性,如果安装的是tensorflow2.0版本又想利用Session属性,可以将tf.Session()更改为:
#with tf.Session() as sess:
with tf.compat.v1.Session() as sess:
# Run the tf.constant operation in the session
output = sess.run(hello_constant)
print(output.decode())# bytestring decode to string.
检测是否用gpu运算
#python1.x
import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))
#python2.x
import tensorflow as tf
#无法执行sess.run()的原因是tensorflow版本不同导致的,tensorflow版本2.0无法兼容版本1.0.
tf.compat.v1.disable_eager_execution()
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess = tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))
device:GPU:0
表示用到了GPU
安装opencv
步骤:
activate tensorflow
pip install opencv-python
测试是否安装成功:命令行输入import python
,不报错成功
若报错,可能是opencv版本太高,与python不对应
卸载pip uninstall opencv-python
下载特定版本opencv
安装命令
pip install opencv_python-3.4.5-cp35-cp35m-win_amd64.whl
测试读取图片
picpath = 'C:/Users/shenwei/Desktop/test/1_2.jpg'
imag = cv.imread(picpath,0)
cv.imshow('imag',imag)
k = cv.waitKey(0)
安装pytorch
首先安装anaconda,cuda,cuDNN
创建新的pytorch环境
anaconda的默认python版本为3.7,所以我添加的新的用于后续pytorch安装的python环境为3.6
conda create -n pytorch python=3.6
在anaconda安装pytorch
在pytorch官网选择环境,将得到的命令在anaconda base运行。
配置镜像网站anaconda镜像使用帮助
cmd运行命令:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
清华
也可以采用其他方法安装:Pip、LibTorch、Source。(见上图自行选择)
激活环境
activate pytorch
测试是否用gpu运行
#CUDA TEST 测试CUDA
import torch
x = torch.Tensor([1.0])
xx = x.cuda()
print(xx)
#cuDNN TEST
from torch.backends import cudnn
print(cudnn.is_acceptable(xx))
参考链接
Windows10下安装tensorflow-gpu(2.2.0)安装教程(避坑+保姆式教学)
WIN10安装TENSORFLOW(GPU版本)详解(超详细,从零开始)
WIN10安装Tensorflow的正确打开方式
Windows10安装tensorflow-gpu(2019.6新版本)
ubuntu下pytorch1.4
安装nvidia驱动
查看显卡
ubuntu-drivers devices
安装cuda10.1
添加链接描述
选择cuda10.1,下载run文件安装(迅雷比较快)
sudo sh cuda****.run
cuda10.1可选择不安装显卡驱动,取消选择driver再确认安装
配置环境变量:
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
export PATH=$PATH:/usr/local/cuda-10.1/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1
生效
source ~/.bashrc
查看是否安装成功:
nvcc -V
或者
sudo nvidia-smi
安装cudnn7.4
在官网下载cudnn linux版压缩包添加链接描述
解压,文件复制到cuda相应文件夹
$ tar xvzf cudnn-8.0-linux-x64-v6.0.tgz
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
查看cudnn版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
安装anaconda3.x
推荐在清华镜像站下载(迅雷)run文件,官网很慢。
$ bash Anaconda-4.2.0-linux-x86_64.sh
询问是否把Anaconda的bin添加到用户的环境变量中,选择yes!
在anaconda环境中安装pytorch1.4
配置清华源,在/home/qrh/.condarc中修改为:
清华源
vim /home/qrh/.condarc
或者vim ~/.condarc
查看默认下载源conda config --show
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
常用命令
创建虚拟环境
conda create -n pytorch1.4 python=3.6
激活虚拟环境
conda activate pytorch1.4
退出该虚拟环境
conda deactivate
删除环境
conda remove -n test --all
环境重命名
conda create -n tf --clone rcnn #把环境 rcnn 重命名成 tf
conda remove -n rcnn --all
查看环境名
conconda info -e
查看已安装的库
conda list
# CUDA 9.2
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=9.2 -c pytorch
# CUDA 10.1
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1 -c pytorch
# CPU Only
conda install pytorch==1.4.0 torchvision==0.5.0 cpuonly -c pytorch
注意:从官网copy的命令末尾-c pytorch
中的"-c"参数指定channel下载,用不上配置的清华镜像源,去掉-c pytorch
在pytorch官网选择版本,复制代码安装
测试:激活pytorch1.4后,在终端启动python,输入import torch
测试
#激活pytorch1.4,运行python,输入
##########测试#############import torch as t
x=t.rand(5,3)
y=t.rand(5,3)
if t.cuda.is_available():
x=x.cuda()
y=y.cuda()
print(x+y)
检验是否安装成功
import torch
torch.cuda.is_available()#查看是否可用
torch.cuda.get_device_name(0)#查看自己的显卡设备
安装pycharm
添加链接描述
下载压缩包,复制到/opt/,在解压后的bin目录运行sh pycharm.sh
激活玛激活,安装完随便打开项目,tools->create desktop entry->添加收藏