Anaconda安装+在Pycharm中配置+安装Tensorflow-gpu
1.安装anaconda
简介:
Anaconda(官方网站)就是可以便捷获取包且对包能够进行管理,同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。
Anaconda具有如下特点:
开源
安装过程简单
高性能使用Python和R语言
免费的社区支持
其特点的实现主要基于Anaconda拥有的:
conda包
环境管理器
1,000+开源库
(简介引用自https://www.jianshu.com/p/62f155eb6ac5)
下载anaconda
官网下载挺慢的,建议清华镜像~
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
一步步按照默认设置安装anaconda
打开cmd输入conda list 。其中输出的第一行为anaconda的安装地址,以下多行为已经安装的包。
anaconda3 安装完成
2. 安装pycharm
一步步正常安装即可
官方下载地址 https://www.jetbrains.com/pycharm/download/
社区版是完全免费的,商业版需要激活,初学者可以选择社区版
默认安装
配置解释器
选择file -> settings
定位到安装anaconda的位置下的python.exe文件
这里如果想让此修改对所有项目通用,勾上最下面的Make availabe to all projects,建议勾选一下~
点击OK
3.安装tensorflow-gpu
3.1首先查看一下自己的NVIDIA所支持的最高版本的cuda
帮助->系统信息->组件
3.2换源
首先为anaconda换一个国内的源!!不换真的太太太太慢了!而且很容易下载失败(血泪史)
打开Anaconda prompt
输入命令
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
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 --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
#设置搜索时显示通道地址
conda config --set show_channel_urls yes
这样就换好源了~
可以用如下命令查看channel的设置:
conda config --show channels
3.3更新Anaconda–做了之后失败,不做反而成功。
这时若直接安装Tensorflow-gpu,可能会报这样的错导致安装失败
Solving environment: failed with initial frozen solve. Retrying with flexible solve
所以这里我们先更新一下Anaconda就可以避免,我也不知到为什么啊啊啊啊啊可能从清华镜像下载的有问题??
输入以下命令:
# 1.
conda update -n base conda
# 2.
conda update --all
3.4 安装tensorflow-gpu
3.4.1、创建一个新的conda
在开始菜单中,找到Anacaonda3,启动Anaconda Prompt
#[env_name]需替换为你的环境名,例:conda create -n tensorflow python=3.8
conda create -n [env_name] python=3.8
#[env_name] 为你刚创建的环境名称
conda activate [env_name]
在Anaconda prompt 中直接输入
conda install tensorflow-gpu
发现使用的是CPU而不是GPU
配置如下
#进入虚拟环境
conda activate tensorflow
conda search cudatoolkit
conda search cudnn
conda search tensorflow-gpu
#确定要安装的版本
conda install cudatoolkit=11.3
conda install cudnn=8.2
conda insatll tensorflow-gpu=2.5
安装成功
测试
1.测试程序 1
import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)
显示结果
tf version: 2.5.0
use GPU True
测试程序2
#TF2 GPU测试
import tensorflow as tf
for i in tf.config.list_physical_devices():
if 'GPU' in i[1]:
print (i[1],'可用,GPU名称: ',i[0])
显示结果
GPU 可用,GPU名称: /physical_device:GPU:0
测试程序3
import tensorflow as tf
import timeit
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 代码用于忽略级别 2 及以下的消息(级别 1 是提示,级别 2 是警告,级别 3 是错误)。
with tf.device('/cpu:0'):
cpu_a = tf.random.normal([10000, 1000])
cpu_b = tf.random.normal([1000, 2000])
print(cpu_a.device, cpu_b.device)
with tf.device('/gpu:0'):
gpu_a = tf.random.normal([10000, 1000])
gpu_b = tf.random.normal([1000, 2000])
print(gpu_a.device, gpu_b.device)
def cpu_run():
with tf.device('/cpu:0'):
c = tf.matmul(cpu_a, cpu_b)
return c
def gpu_run():
with tf.device('/gpu:0'):
c = tf.matmul(gpu_a, gpu_b)
return c
# warm up
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)
print('GPU', tf.test.is_gpu_available())
4.安装TensorFlow
Tensorflow安装
简介:
TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief 。
Tensorflow拥有多层级结构,可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究 。
TensorFlow由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护,拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口(Application Programming Interface, API) 。自2015年11月9日起,TensorFlow依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码 。
开始安装:
1、创建一个新的conda
在开始菜单中,找到Anacaonda3,启动Anaconda Prompt
#[env_name]需替换为你的环境名,例:conda create -n TF2.4 python=3.8
conda create -n [env_name] python=3.8
2、修改pip源为阿里源(可跳过)
该步骤主要考虑到国内的网络环境,可以将pip的源地址修改为国内的地址
按 Win+E 启动文件资源管理器,在地址栏输入 %APPDATA%
新建文件夹并命名为pip
创建文件命名为pip.ini,并输入
[global]
timeout = 6000
index-url = https://mirrors.aliyun.com/pypi/simple
trusted-host = mirrors.aliyun.com
3.安装cuda
#[env_name] 为你刚创建的环境名称
conda activate [env_name]
如图,conda create -n TF001 python=3.8创建了 tensorflow环境, conda activate TF001 激活环境
5.删除conda 环境
5.1
conda remove -n name --all
#anaconda查看环境包
conda info --envs
6、最终成功
6.1
查看conda info -e
解决Python报错–UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0x80 in position 658: illegal multibyte sequence
今天在anaconda上新建一个python3.8环境后,使用时报错了:
网上查阅资料后发现这是win10下特有的问题
解决方案如下:
打开报错的倒数第三行的history.py文件,定位到82行,源代码如下:
添加代码
,encoding='utf-8'
再次运行Python就不会报错了。