Anaconda安装+在Pycharm中配置+安装Tensorflow-gpu

最新推荐文章于 2024-03-01 15:47:14 发布

it_is_time_to_do

最新推荐文章于 2024-03-01 15:47:14 发布

阅读量1.4k

点赞数 4

分类专栏：深度学习文章标签： pycharm tensorflow python

本文链接：https://blog.csdn.net/qq_40660201/article/details/120046452

版权

深度学习专栏收录该内容

2 篇文章 0 订阅

订阅专栏

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/
在这里插入图片描述

一步步按照默认设置安装anaconda

在这里插入图片描述

在这里插入图片描述

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

在这里插入图片描述

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
在这里插入图片描述

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
在这里插入图片描述

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
在这里插入图片描述
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

在这里插入图片描述

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

在这里插入图片描述

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

在这里插入图片描述

#[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

在这里插入图片描述

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

在这里插入图片描述

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

在这里插入图片描述

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())

在这里插入图片描述

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

在这里插入图片描述

#[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
在这里插入图片描述

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
在这里插入图片描述
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：