机器视觉系列(02)---TensorFlow2.3 + win10 + GPU安装

短视频技术中,视觉特效是目前最广泛的应用,视觉特效属于机器视觉与人工智能技术的结合。

 

短视频技术开发,计算机视觉是必须考虑的因素,计算机视觉方面的AI处理,国内目前主要靠TensorFlow和Pytorch来实现。

 

Tensorflow windows上的安装,很多资料存在误导,初学者望而止步。本文帮助初学者快速搭建TensorFlow windows应用环境。Linux和Mac上环境安装看后续章节。

 

大多安装资料都先安装anaconda,造成TensorFlow安装必须采用anaconda的假象。本安装不采用anaconda,降低安装的耦合度。

 

后续大量章节进行机器视觉及相关算法讲述。

1、前置说明

A、如果是Win7,一定打补丁(本文Win7也适用)。

B、看自己电脑显卡是否是N卡,如果是N卡,才可以安装GPU版本,否则只能安装CPU版本。

C、如果GPU版本过低,需要升级驱动,否则安装版本过早(升级在下面主题讲述)。

 

D、有些过老的N卡,无法升级驱动,不能安装TensorFlow  GPU版本或者只能安装TensorFlow GPU早期版本。

2、升级显卡驱动,同时升级了CUDA

2.1、网址

进入下面网址:

https://www.nvidia.com/download/index.aspx?lang=en-us

2.2、界面

根据个人电脑系统情况进行选择。

2.3、下载

选择合适的版本,进行显卡驱动下载。

2.4、安装

一直下一步就可以。如果显卡过早,可能安装失败。

3、查看个人电脑CUDA版本

3.1、打开NVIDIA控制面板

桌面右击,弹出右键菜单,选择NVIDIA控制面板。

3.2、点击组件,查看CUDA版本

4、查看如下对应关系

4.1、参考网址:

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

https://tensorflow.google.cn/install/source_windows

4.2、CUDA版本与名字

 

Component Name

Version Information

Supported Architectures

CUDA Runtime (cudart)

11.2.72

x86_64, POWER, Arm64

Cuobjdump

11.2.67

x86_64, POWER, Arm64

CUPTI

11.2.67

x86_64, POWER, Arm64

CUDA cuxxfilt (demangler)

11.2.67

x86_64, POWER, Arm64

CUDA Demo Suite

11.2.67

x86_64

CUDA GDB

11.2.67

x86_64, POWER, Arm64

CUDA Memcheck

11.2.67

x86_64, POWER

CUDA NVCC

11.2.67

x86_64, POWER, Arm64

CUDA nvdisasm

11.2.67

x86_64, POWER, Arm64

CUDA NVML Headers

11.2.67

x86_64, POWER, Arm64

CUDA nvprof

11.2.67

x86_64, POWER, Arm64

CUDA nvprune

11.2.67

x86_64, POWER, Arm64

CUDA NVRTC

11.2.67

x86_64, POWER, Arm64

CUDA NVTX

11.2.67

x86_64, POWER, Arm64

CUDA NVVP

11.2.67

x86_64, POWER

CUDA Samples

11.2.67

x86_64, POWER, Arm64

CUDA Compute Sanitizer API

11.2.67

x86_64, POWER, Arm64

CUDA cuBLAS

11.3.1.68

x86_64, POWER, Arm64

CUDA cuFFT

10.4.0.72

x86_64, POWER, Arm64

CUDA cuRAND

10.2.3.68

x86_64, POWER, Arm64

CUDA cuSOLVER

11.0.2.68

x86_64, POWER, Arm64

CUDA cuSPARSE

11.3.1.68

x86_64, POWER, Arm64

CUDA NPP

11.2.1.68

x86_64, POWER, Arm64

CUDA nvJPEG

11.3.1.68

x86_64, POWER, Arm64

Nsight Eclipse Plugins

11.2.67

x86_64, POWER

Nsight Compute

2020.3.0.18

x86_64, POWER, Arm64

Nsight Windows NVTX

1.21018621

x86_64, POWER, Arm64

Nsight Systems

2020.4.3.7

x86_64, POWER, Arm64

Nsight Visual Studio Edition (VSE)

2020.3.0.20315

x86_64 (Windows)

NVIDIA Linux Driver

460.27.04

x86_64, POWER, Arm64

NVIDIA Windows Driver

460.89

x86_64 (Windows)

 

 

 

 

 

4.3、显卡驱动与CUDA版本选择

4.4、TensorFlow GPU版本与CUDA与Python与VS的关系

4.5、TensorFlow CPU版本与VS与Python的关系

5、根据上面对应关系,下载如下文件

5.1、文件

A、VS     (微软visual studio开发环境)

B、Python  (TensorFlow官方开发语言)

C、CUDA   (英伟达数据并行运算平台)

D、CUDNN (神经网络加速库)

5.2、下载后图示

6、安装VS

6.1、说明

            建议工具全部安装,需要40多个G(亲测)。

            英伟达说只需要安装C++ Desktop Develop套件安装(没有测试)。

6.2、安装

            一直下一步。

7、安装Python

7.1、环境变量问题

 

7.2、注意(安装过程中,可能需要等待)

上面5个框打上 “√”,然后点击 “Browse”,自定义安装路径,然后点击 “Install”。

 

PS:安装路径最好纯英文,不要有中文和空格。

8、修改Python工具Pip的源

            安装过程需要到网上下载,默认的Python源在国外,下载速度较慢。

 

修改为国内阿里的Python源,加快后面步骤安装。

8.1、PyPI 镜像

PyPI (Python Package Index) 是 Python 编程语言的软件存储库。开发者可以通过 PyPI 查找和安装由 Python 社区开发和共享的软件,也可以将自己开发的库上传至 PyPI 。

8.2、Linux下更换pip源(与本安装无关、直接跳过)

手动更换python的pip/pip3源。

 

  1. 在Linux系统中找到~/.pip/pip.conf这个文件,如果没有这个文件创建一个同名文件。如果系统连~./pip这个目录也没有,创建一个目录并且在目录中创建一个pip.conf文件。

 

  1. 向该文件添加或修改成以下内容。

 

[global]

index-url = https://mirrors.aliyun.com/pypi/simple/

 

[install]

trusted-host=mirrors.aliyun.com

8.3、windows下更换pip源

A、文件管理器的地址栏输入%appdata%回车进入当前用户主目录。

B、在当前文件夹下新建文件夹pip。

C、在pip文件夹下新建文件pip.ini文件。

D、在pip.ini文件中输入以下内容。

 

[global]

index-url = https://mirrors.aliyun.com/pypi/simple/

 

[install]

trusted-host=mirrors.aliyun.com

9、安装两个插件

9.1、如果下面安装过程中,安装失败

如果安装失败,重新执行命令既可。

9.2、scipy库

在power shell窗口下,拷贝如下命令执行:

 

pip3 install scipy

9.3、numpy库

在pwer shell窗口下,拷贝如下命令执行:

 

pip3 install numpy

10、安装cuda

10.1、安装

双击上面下载的cuda文件。

 

一直下一步就可以,可以修改安装路径,但不建议修改。

10.2、测试

打开powershell,执行如下命令:

 

nvcc -V

 

成功的话会返回cuda版本号。

11、安装cudnn

11.1、解压

解压cuDNN压缩包,可以看到bin、include、lib目录:

11.2、打开目录

路径为:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

11.3、拷贝

找到你安装的版本目录,打开,找到bin、include、lib目录;

 

将11.1 cuDNN压缩包内对应的文件分别对应复制到cuda的bin、include、lib目录。

 

注意:是复制文件到bin、include、lib目录,不是复制目录。

12、环境变量

12.1、几个变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin

12.2、设置(少了,会报dll异常)

13、测试CUDA和CUDNN是否安装成功

13.1、打开目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite

13.2、启动PowerShell

13.3、测试

执行如下命令:

 

.\bandWidthTest.exe

出现Pass代表成功。

14、安装tensorflow-gpu

在PowerShell窗口输入如下命令:

 

pip3 install tensorflow-gpu

15、测试

15.1、打开Python环境

在PowerShell中输入如下命令:

 

python

15.2、运行如下代码

import tensorflow as tf

a = tf.constant(2.0)

b = tf.constant(4.0)

print(a + b)

 

出现下面结果代表成功。

16、其它

            和云平台、大数据相关环境搭建相比,TensorFlow的安装是简单的。

 

但对于初学者,需要一些时间。本文内容,希望给初学者一些有益的启示。

 

            关注美摄科技,感受视觉盛宴。

 

 

17、学习网址

 

https://tensorflow.google.cn/install/source_windows

 

  • 1
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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