一、安装教程
1.环境搭建:
Anaconda3 + TensorFlow-GPU1.10.0 + CUDA9.0 + CUDNN7.05 + 编译器Pycharm + 语言Python3.6
2.参考:
https://www.cnblogs.com/guoyaohua/p/9265268.html
https://www.cnblogs.com/gaofighting/p/9917456.html
3.Tips:
(1)在Anaconda prompt里创建TensorFlow-GPU环境:
【conda create -n tensorflow_gpu python=3.6】环境名字叫tensorflow_gpu,语言为python3.6
(2)在tensorflow_gpu环境里安装1.10.0版本:
【pip install tensorflow-gpu==1.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple】后面网址为国内的源,下载速度会快很多
(3)关于TensorFlow版本升级或降低的问题:
笔者起初下载的是1.12.0版本,但由于训练时出现“Loaded runtime CuDNN library: 7.0.5 but source was compiled with: 7. 2.1. CuDNN library major and minor version needs...”Tensorflow版本与CUDNN版本不兼容,因为TensorFlow版本确实太高,不建议改变CUDNN,解决方法就是将TensorFlow版本卸载,重新安装指定版本。因此降低版本为1.10.0
版本搭配参考:https://blog.csdn.net/oMoDao1/article/details/83241074
具体操作参考:https://blog.csdn.net/Young__Fan/article/details/88130385
(4)警告:Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
参考:https://blog.csdn.net/hq86937375/article/details/79696023
(5)训练时所需要的库:
由于Anaconda自带很多库,所以我们需要哪个就安装哪个即可,记住是要在前面创建的tensorflow_gpu环境里安装。
【pip install 库名】
用到的库有:
- NumPy:支持高维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。
- SciPy:是另一种使用NumPy来做高等数学、信号处理、优化、统计和许多其它科学任务的语言扩展。
- Matplotlib:Python中最常用的可视化工具之一,可以非常方便地创建海量类型地2D图表和一些基本的3D图表。
- H5Py:存放两类对象的容器,数据集(dataset)和组(group)。https://blog.csdn.net/menghaocheng/article/details/84918919
- Pillow:对图像进行处理。
(6)Pycharm导入tensorflow环境
参考:https://blog.csdn.net/discoverer100/article/details/84312674
(7)OpenCV安装及导入至Pycharm
参考:https://blog.csdn.net/qq_37935516/article/details/83006285
在pycharm下方终端窗口中(Terminal),要在tensorflow环境中输入:
【pip install opencv-python】