Top12:Windows下同时安装tensorflow-gpu1.X版本和tensorflowgpu2.X版本
注意:显卡算力低于3.5,tensorflow会忽略gpu加速
NVIDIA官方查找GPU算力的网址:https://developer.nvidia.com/cuda-gpus
前言
如题 本篇是介绍如何在Windows10系统下让 tensorflow-gpu1.X 版本和 tensorflow-gpu2.X 版本共存,且可以满足日常训练
首先我们要把需要用到的软件下载好,在这一步需要注意,软件并不是最新版就是最好的,而是需要挑选相对稳定的,相互冲突少的。
需要用到的软件:
1. Anaconda3.x 官网链接
2. PyCharm 官网链接
3. cuda10.0 官网链接
4.cudnn7.4(对应cuda10.0)官网链接
下载好相应软件后,就可以进入到正题了
1. 配置环境
1.1 安装Anaconda
安装之前需要把杀软关闭,目的是为了防止误报,或者拦截安装包,导致安装不完整
暂时略,后续补充
1.2 安装PyCharm
暂时略,后续补充
1.3 新建Anaconda虚拟环境
依次打开 开始菜单 – Anaconda3 – Anaconda Prompt
查看当前系统下所有conda环境
conda env list
创建环境
conda create -n your_env_name python=3.6
注:your_env_name 自定义环境名 python=3.6 指定当前环境的python版本
删除环境
conda remove -n your_env_name --all
退出当前环境
conda deactivate
激活环境
activate your_env_name
2. 配置cuda&cudnn
测试
接下来可以测试一下是否安装成功,打开cmd,切换到安装目录下的 demo_suite 文件夹下,默认路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite
分别执行 bandwidthTest.exe 和 deviceQuery.exe
得到如下图片中的两个结果:Result=PASS
3. 配置tensorflow-gpu1.X
在本文中以 tensorflow-gpu 1.13 版本为例
3.1安装tensorflow-gpu 1.13
安装方式有多种,可以使用pip,也可以使用conda
pip安装命令
pip install tensorflow-gpu==1.13.1
conda安装命令
conda install tensorflow-gpu==1.13.1
如果安装速度过慢,可以尝试着 切换网络 或者 切换国内镜像源,教程:
https://blog.csdn.net/qq_43457383/article/details/108248046
3.2测试
如无报错出现 并最后出现Successfully即说明安装成功
接着就可以运行一段代码来测试一下是否可以正常运行
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
with tf.Session() as sess:
print(sess.run(hello))
print(tf.__version__)
运行结果会输出现在使用的版本号
4. 配置tensorflow-gpu2.X
注:由于tensorflow-gpu2.0以后的版本对python3.6的支持并不是多么友好,所以这里创建python3.7的conda环境。
步骤和之前新建anaconda虚拟环境一样,只是更改个名字就好,这里就不再过多叙述了。
这是我这里的配置好的截图
conda环境创建好后,可能涉及到一个默认环境的情况,可以参考这里
conda默认指定环境