终端参数:
系统 | Windows10 |
---|---|
Python | 3.8.3 |
Anaconda | 对应python3.8 |
NVIDIA显卡 | GeForce 940MX |
CUDA | 11.0 |
cuDNN | 8.0.5 |
TensorFlow | 2.4.0 |
一、下载并安装Anaconda
1、官网下载地址:
https://www.anaconda.com/products/individual#download-section
2、安装。
一直点击next / I agree,在遇到如下界面时,记得勾选“Add Anaconda to my PATH environment variable”,目的是给Anaconda添加环境变量,以便之后通过命令行调用其程序。
3、检测是否安装成功。
(1)Win+R打开运行窗口,输入cmd进入命令行窗口。
(2)输入conda list。如果Anaconda安装成功,则会出现一系列Python库的信息。
二、下载并安装CUDA
1、选择合适的CUDA版本。
大神说:“CUDA是基于NVIDIA显卡的加速库,它有利于深度学习框架在NVIDIA的GPU显卡的加速运算。”所以:
(1)在安装CUDA前,一定要先确认自己终端为NVIDIA显卡。
确认方法:桌面点击鼠标右键,如下图所示即可。
(2)在选择下载的CUDA版本时,一定要先确认与自己终端NVIDIA显卡相匹配的CUDA版本。
确认方法:
① 进入NVIDIA控制面板,选择“系统信息”;
② 选择“组件”,查看适配的CUDA版本。
2、官网下载地址:
https://developer.nvidia.com/cuda-toolkit-archive
【因为我的显卡适配的CUDA版本为11.0.228,所以我下载的是CUDA Toolkit 11.0的版本。】
(1)点击CUDA Toolkit 11.0进入下载界面,并选择好参数。
【Tips:
① 因为CUDA的安装包很大,直接下载的话会超级慢,所以建议先在终端安装“迅雷”。
② 完成后,右键单击如下界面的“Download”,复制下载链接到“迅雷”中,“迅雷”会自动弹出复制来的CUDA下载链接界面,如下图,点击立即下载即可。
3、安装。
安装时,选择自定义模式。之后一直点击下一步。
4、检测是否安装成功。
(1)Win+R打开运行窗口,输入cmd进入命令行窗口。
(2)输入nvcc -V(大写V)。如果CUDA安装成功,则会出现CUDA的版本信息。
三、下载cuDNN,并配置环境变量
cuDNN:神经网络加速库。
1、官网下载地址:
https://developer.nvidia.com/cudnn
点击进入下载页面之后,如下图所示,需要登录/注册NVIDIA的账号。第一次下载的话,按照提示一步步注册账号就好咯!
登录账号后,勾选“ I Agree To the Terms of the cuDNN Software License Agreement
”,就会弹出可供下载的cuDNN版本。在版本选择选择时,注意要跟自己刚才安装的CUDA版本适配,如下图,点击“Archived cuDNN Releases”,就可以看到更多版本的cuDNN啦!
【例如,我刚才安装的是CUDA11.0,所以在这儿我就下载了cuDNN8.0.5】
点击自己需要下载的版本,选择系统适配类型。
2、环境配置。
(1)下载完cuDNN后会得到一个压缩包,把它解压到当前位置,并把如下图所示的三个文件夹,依次拷贝到CUDA的安装目录下。
(2)接下来需要把CUDA安装目录下的“bin、include、lib、libnvvp”文件的路径添加到环境变量中。
添加方法:进入“编辑系统环境变量”,选择“高级”-“环境变量”。找到“系统变量”中的“Path”,点击“编辑”-“新增”。操作步骤如下图所示。
【以我自己为例,我就会把以下4个路径添加到环境变量中:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp
下图是添加好的样子】
最后,返回的时候记得一直点击确定/保存。
四、下载TensorFlow,并在pycharm中运行
1、下载并安装。
(1)首先,在Anaconda中为TensorFlow创造一个单独的环境。Win+R打开运行窗口,输入cmd进入命令行窗口。在窗口中输入"conda create -n tensorflow python=3.8"
【python=3.8是指定python的版本,可以根据自己的实际情况选择】
(2)创建好环境之后,输入“conda activate tensorflow”进入环境。
(3)接下来使用清华镜像下载gpu版的TensorFlow。输入“pip install tensorflow-gpu==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple ”
【使用清华镜像源下载速度会快很多。这里tensorflow-gpu可以指定版本,但一定要跟自己都CUDA匹配。不指定的话就会默认下载最新版本的。
【因为我已经安装好了,所以输入命令后的截图没有参考价值,这里就不放啦!】
2、检测是否安装成功。
(1)Win+R打开运行窗口,输入cmd进入命令行窗口。
(2)输入“ipython”打开Python交互式命令终端。
(3)输入“import tensorflow as tf”,导入TensorFlow。
(4)输入“tf.test.is_gpu_available()”,如果返回“True”,则代表TensorFlow的GPU版本安装成功。
3、在pycharm中添加TensorFlow运行路径。
按照下图步骤就可以啦!
【路径不一定一样,只要在自己安装的Anaconda中找到TensorFlow的运行路径就行啦!】
4、检验是否能运行成功。
新建一个.py文件,输入
import tensorflow as tf
print(tf.__version__)
如果能正确返回TensorFlow的版本号,那就是导入并运行成功啦!