深度学习tensorflow,pytorch环境配置

最新推荐文章于 2023-05-05 23:00:48 发布
最新推荐文章于 2023-05-05 23:00:48 发布
阅读量193 收藏
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36477987/article/details/108690367
版权

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
在这里插入图片描述
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
在这里插入图片描述
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)

tensorflow之安装opencv

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
在这里插入图片描述
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）
在这里插入图片描述

 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
在这里插入图片描述

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

在这里插入图片描述

# 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)

在这里插入图片描述

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

pytorch visdom安装启动问题
frontierq
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度学习环境配置Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow.txt
09-23
深度学习环境配置Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow
TensorFlow、Pytorch介绍
qq_34725005的博客
04-19 3849
Tensorflow 1、TensorFlow是什么？ TensorFlow支持各种异构平台，支持多CPU/GPU、服务器、移动设备，具有良好的跨平台性；TensorFlow架构灵活，能够支持各种网络模型，具有良好的通用性。 2、TensorFlow设计理念 (1)将图定义和图运算完全分开。TensorFlow被认为是一个“符号主义”的库。编程模式通常分为命令式编程和符号式编程。命令式编程就是编写...
深入剖析PyTorch和TensorFlow：理解二者的区别与联系
最新发布
Chaos的博客
05-05 1万+
深度学习框架在近年来的快速发展中发挥了至关重要的作用，其中PyTorch和TensorFlow是最受欢迎的两个框架。它们各自具有独特的特点和优势，但也有一些相似之处。本文将深入剖析PyTorch和TensorFlow，从原理、代码实现等方面对它们进行详细介绍，帮助读者更好地理解二者的区别与联系。
PyTorch 与 TensorFlow 怎么选
博文视点（北京）官方博客
08-15 3万+
静态图在定义时使用了特殊的语法，就像学习一门新的语言，同时在构建静态图时需要考虑所有的情况，这导致静态图过于庞大，可能占用过多的显存，不过其运行速度相对较快。PyTorch 的设计符合人们的思维，它让用户尽可能地专注于实现自己的想法，所思即所得，不需要考虑太多框架本身的束缚。然而，作为一个还在快速发展探索的领域，人工智能研发人员实际需要的可能并没有这么复杂，他们更加希望快速地实现和尝试自己的想法，这也是为什么半路出家的 PyTorch 能够异军突起，一举成为最受欢迎的深度学习框架之一（可能没有“之一”）..
Pytorch与Tensorflow，哪个更适合你？
夕小瑶科技说
01-08 2万+
本文将探讨PyTorch和TensorFlow这两种流行深度学习框架之间的关键相似点和不同点。为什么选择这两个框架，而不是其他的呢？目前有很多的深度学习框架，而且很多都可用于实际的生产，...
python使用Tensorflow检测GPU运行与使用Pytorch
pengxiang1998的博客
06-18 8020
Tensorflow运行GPU程序与Pytorch实现手写数字识别
pytorch和tensorflow有什么区别？
gu1857035894的博客
06-11 4万+
PyTorch 是一种用于构建深度学习模型的功能完备框架，同时tensorflow也是常用的框架之一。大家在学习的时候，尝尝会用来做比较。那么pytorch和tensorflow有什么区别？大家所关心的问题，解答来了。pytorch和tensorflow有什么区别？创建和运行计算图可能是两个框架最不同的地方。在PyTorch中，图结构是动态的，这意味着图在运行时构建。而在TensorFlow中，图结构是静态的，这意味着图先被“编译”然后再运行。举一个简单的例子，在PyTorch中你可以用标准的Python语
深度学习环境搭建资源集合
04-01
如何搭建一个属于自己的深度学习平台是每个深度学习初学者都非常头疼的问题，网上资源浩如烟海，良莠不齐。本文主要根据自己的搭建深度学习平台过程中经历，经过筛选，挑选出一批逻辑清晰，内容详实可靠的学习帖集合...
01-深度学习环境安装和配置1
08-03
01-深度学习环境安装和配置1
Ubuntu20.04+3090ti+python3.7+tensorflow+pytorch下conda环境配置文件.yml
04-17
Ubuntu20.04+3090ti+python3.7+tensorflow+pytorch下conda环境配置文件.yml 详情可查看博客：https://blog.csdn.net/weixin_42213421/article/details/124225950 python=3.7.13 tensorflow-gpu=2.8.0 tensorboard=...
PyTorch的深度学习入门之PyTorch安装和配置
01-20
本文从PyTorch环境配置开始。PyTorch是一种Python接口的深度学习框架，使用灵活，学习方便。还有其他主流的深度学习框架，例如Caffe，TensorFlow，CNTK等等，各有千秋。笔者认为，初期学习还是选择一种入门，不要...
PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】
weixin_44126491的博客
03-13 4071
摘要： 本文参考前辈资料，并结合实际操作，记录深度学习的经典框架PyTorch与TensorFlow的实际环境配置所需操作。其中，操作1-2步为两个框架环境配置都需要执行的操作，第3步为各自分化操作，第4步为Jupyter Notebook中使用两个环境所需步骤。经笔者亲测，（相较于之前踩的那些坑QAQ）本文所述整个流程执行过程相当丝滑，没有出现（任何奇奇怪怪的）报错。 1. 安装&配置Anaconda 1.1. 安装Anaconda （1）在官网下载安装包：https://repo.anacond
深度学习顶会论文 复现 tensorflow代码转pytorch 吐血入门经验
ncf的博客
12-17 1万+
1. 前言 我想把一个TensorFlow代码转为pytorch代码，深度学习的代码。经过一个月的调试。。。。。自己好垃圾啊。。。 2.目标 将这个阴影去除的tensorflow代码转pytorch。 3.过程 阅读需要复现的原文 很快啊，就一天可能就把TensorFlow的网络结构照猫画虎的写成了pytorch 然后就进入了无限调bug阶段。。。持续两周左右 最后想要放弃的时候，打算搭建TensorFlow的环境跑作者提供的代码，这时灵光一现，发现了自己哪里写错了。。。 4.建议的过程 网络结构或许很
2022年了，PyTorch和TensorFlow你选哪个？
cainiao_python的博客
12-20 1万+
选自AssemblyAI博客作者：Ryan O'Connor机器之心编译机器之心编辑部坊间传闻：「TensorFlow 适合业界，PyTorch 适合学界」。都 2022 年了，还是这样吗...
最全pytorch/tensorflow环境配置踩坑记
huangbx_tx的博客
02-10 2053
今天老师给了两个服务器，给我做深度学习用。因此我就来装pytorch和tensorflow。 此文略去anaconda安装。 按理来说，可以直接用docker来装环境。但由于我没有root权限，因此我没办法这么做。。。。 pytorch 因此我看了一下自己的cuda和cudnn版本号，如下： cuda9.0没办法安装最新版pytorch，因此登陆pytorch官网查阅旧版本【旧版本】 命令打进...
同时安装pytorch和TensorFlow等多种深度学习开发环境（1）
m0_52571323的博客
01-02 7263
现在的开发环境比较多，在学习的过程中，经常会使用到不同的开发环境，最常用的就是TensorFlow和pytorch，以及其他的开发环境，我在学习的过程中使用的开发环境主要有pytorch和TensorFlow两种。今天我从百度中学习如何安装多种深度学习开发环境。 查看Python环境的方法 conda info --env：可以看到所有python环境，前面有个‘*’的代表当前环境 1.创建pytorch开发环境 ...
TensorFlow vs PyTorch的优缺点与区别
qq_42804713的博客
07-30 7286
TensorFlow与PyTorch的优点、缺点与特点总结
Win10 TensorFlow（gpu）安装详解
热门推荐
hczheng的专栏
12-14 18万+
Win10 TensorFlow（gpu）安装详解:TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从图象的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
PyTorch 和 TensorFlow 配置及介绍
77wpa的博客
03-08 1231
PyTorch 和 TensorFlow 配置及介绍1. 准备工作2. 准备工作Anaconda 的安装和配置 1. 准备工作 系统安装需求版本的 OS 系统 和 nvidia 驱动 使用 Anaconda 配置相应虚拟环境 2. 准备工作Anaconda 的安装和配置
深度学习cpu环境配置
04-03
3. 安装深度学习框架：深度学习需要使用一些开源的深度学习框架，如TensorFlow、PyTorch、Keras等。可以通过官网下载安装包进行安装。 4. 配置环境变量：将Python和深度学习框架的安装路径添加到系统的环境变量中，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值