WIN10下用anaconda安装tensorflow-gpu1.8.0并用pycharm作编译器(WIN10下anaconda+tensorflow-gpu+pycharm)

哈哈哈,又到了写BLOG的时候啦!
题目有点长,想要装tensorflow-gpu的同志们请耐心的看下去,尤其是想要用pycharm作编译器的筒子们,小编这里将提供最简单的方法实现anaconda+tensorflow-gpu1.8.0+pycharm!!!(是小编自己摸索了整整三天才搭建好环境的,其中心态崩了好几次)话不多说,快点来搭建环境吧。
小编使用的是python3.6所以适配的是anaconda3-5.3,pycharm用的是2017版本,因为要用到GPU加速,所以还要装NVIDA的CUDA和CUDNN,其中版本问题要注意,对照下图即可(版本问题不可小觑,不注意会吃大亏,小编因为这个原因重装了四五次)。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
下面是大家可能用到的软件,用百度网盘分享给大家(百度网盘下载速度有限,为此小编还充了一个月的网盘SVIP,不过本着对开源精神的热爱,小编就将此BLOG公开啦)
python3.6.6下载链接:链接:https://pan.baidu.com/s/1qUAGX8_DB0-ZuBQ-9DPuOg
提取码:hdpa

anaconda3-5.3下载链接:链接:https://pan.baidu.com/s/13vXR8o0XNwr-Hs4wAE6ndg
提取码:880v

pycharm2017下载链接:链接:https://pan.baidu.com/s/10GvzaR_QciWF-j70Ofourw
提取码:t0yd

CUDA9.0+CUDNN7.0下载链接:链接:https://pan.baidu.com/s/1Mq_AuJqNBOOUS3sSO_BpXg
提取码:2shc

python就是一般安装方法,安装完记得添加环境变量即可,百度上有成熟教程,在这里小编就不一一介绍了。pycharm安装教程附在安装包里了,也不多说了。
下面开始安装anaconda。
第一步:双击.exe文件。(大家应该都有经验)点击next继续。
在这里插入图片描述
接着,同意相关协议。
在这里插入图片描述
接着可以自己安装也可以多用户共同使用,小编选了自己安装,不想出问题的话就Follow me吧,哈哈哈。
在这里插入图片描述
接着照着1、2来修改安装地址,友情提醒,别放C盘哦,小编上一篇重装系统的BLOG就是因为C盘炸了,哈哈哈。
在这里插入图片描述
最后就是等待安装了,Please be patient,哈哈哈。
在这里插入图片描述
你以为这样就安装好了吗,当然还要添加环境变量。根据步骤将anaconda的安装文件夹地址、安装文件夹下Scripts文件夹地址、安装文件夹下Library文件夹下bin文件夹地址添加到用户变量PATH里,就成功啦。
在这里插入图片描述
安装完当然要测试一下啦,win+R打开windows命令行输入conda -V然后回车就可以查看anaconda版本信息了。
在这里插入图片描述
接着就是用anaconda来安装tensorflow-gpu啦。
由于国内网速太慢所以有资源的可以挂VPN,如果想小编一样的穷逼呢,推荐你们一样宝贝—清华大学的镜像资源,包含国外的各种镜像资源,哈哈哈,支持国产人人有责。打开anaconda命令行输入:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

回车之后在输入:

conda config --set show_channel_urls yes

再回车,就连上清华的镜像资源啦。
在这里插入图片描述
然后先创建一个名叫tensorflow的虚拟环境用的是python3.6,输入以下代码:

conda create -n tensorflow pip python=3.6

然后回车即可,开始创建环境。图中要输入一下y回车。
在这里插入图片描述
如果像一下图片里的话,那么久恭喜你,创建好环境啦。
在这里插入图片描述
然后我们需要激活这个环境,在这个环境里操作,如果以后你想添加任何库像OPENCV等等的话也必须先激活环境再用PIP进行安装。
输入:activate tensorflow
在这里插入图片描述
下面将两种安装方法,就用tensorflow CPU版本一种、GPU版本一种,其实两个版本对于两种方法都适用。当然,小编首推命令行安装。
先讲第一种,对于CPU版本较为方便。
打开Anaconda Navigator找到刚刚创建的tensorflow
在这里插入图片描述
接着,搜索tensorflow-gpu并开始安装,等待完成即可(对网速要求比较高)。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
如果上述方法失败了,不要紧,失败乃成之母,好东西小编当然要留在后面讲啦。
下面将第二种方法。
通过pip来安装:
CPU版本输入一下命令回车装完即可(后面装CUDA和CUDNN没你啥事啦):

pip install --ignore-installed --upgrade tensorflow

GPU版本则比较费事,先输入一下命令进行安装:

pip install --ignore-installed --upgrade tensorflow-gpu 

在这里插入图片描述
以上边安装完了tensorflow,GPU版本还要装CUDA9.0和CUDNN7.0
在这里插入图片描述
双击CUDA.exe进行安装
在这里插入图片描述
在这里插入图片描述
接着选自定义安装
在这里插入图片描述
选中所有选项
在这里插入图片描述
一路通过即可安装完成。
安装完我们可以通过anaconda的命令行进行测试,查看CUDA的版本信息,输入以下代码:nvcc -V如果安装成功会显示以下版本信息。
在这里插入图片描述
接着解压“cudnn-9.0-windows10-x64-v7.zip”,将一下三个文件夹,拷贝到CUDA安装的根目录下。
在这里插入图片描述
最后就是添加环境变量了。
将下面四个路径加入到环境变量中,注意要换成自己的安装路径。
在这里插入图片描述
哈哈哈,到这里终于完成了所有的安装工作。(小编也快写不动了,啊啊啊)
接下来,是在pycharm中更改解释器。
首先,打开Pycharm -> Files -> Settings
在这里插入图片描述
然后在Project Interpreter里找到项目翻译
在这里插入图片描述
然后点击设置,选中anaconda安装目录下的venv文件下的python解释器。
在这里插入图片描述
到此,环境搭建基本都完成了,下面可以验证tensorflow了。
输入以下代码:

import tensorflow as tf
#import cv2
import os


os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'#去除红色警告

with tf.device('/cpu:0'):
    a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')
    b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')
with tf.device('/gpu:1'):
    c = a + b

# 注意:allow_soft_placement=True表明:计算设备可自行选择,如果没有这个参数,会报错。
# 因为不是所有的操作都可以被放在GPU上,如果强行将无法放在GPU上的操作指定到GPU上,将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))
# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

回车之后运行,结果为[2,4,6]

小编用了OpenCV做了一个边缘检测,哈哈哈,没错这就是小编的CSDN头像!心中有党,成绩理想。哈哈哈,跟着党走就对啦!(小编可是又砖又红的党员,哈哈哈)在这里,小编给大家拜个晚年,祝大家新的新年三P多多(paper、patent、presentation)哈哈哈,猪年大吉,小编也会加油哒!

本文借鉴了不少XYH同学的BLOG,希望大家能够多多关注https://blog.csdn.net/ReadAir/article/details/86744897

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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