Tensorflow2/Pytorch GPU 安装过程

最新推荐文章于 2024-07-11 13:32:44 发布

一只野猪佩奇

最新推荐文章于 2024-07-11 13:32:44 发布

阅读量1.5k

点赞数 2

分类专栏： python 机器学习文章标签： tensorflow 深度学习 anaconda cuda pip

本文链接：https://blog.csdn.net/qq_43520571/article/details/116212123

版权

本文详细介绍了在Windows环境下，使用conda搭建Tensorflow 2.3.0 GPU版本和Pytorch的步骤，包括CUDA和CUDNN的安装，以及遇到的问题和解决方案，如conda创建环境时的GBK解码错误、清华源下载速度慢等问题。同时，提供了完整的环境配置文件示例。

摘要由CSDN通过智能技术生成

两个框架所需软件/硬件条件：英伟达显卡及驱动、cuda、cudnn

Tensorflow

一、前置条件

在正式安装前，需要以下条件：

会使用conda创建和激活环境
有一张nvidia的显卡，且CUDA compute capabilitiy 不低于3.5.（只要显卡不是很旧应该行）
显卡驱动版本大于418.x（此处是2.3版本的需要，具体版本参考官网），不是的话需要去更新，提供一个官网地址。此外如何查看驱动版本两个方法：
1.点击nvidia设置查看左下角的系统信息可见版本。2.在dos命令行中通过nvidia-smi可见（如果报错应该是环境变量需要设置）

二、创建环境并安装依赖(示例是2.3.0）

示例conda create -n tensorflow23 python=3.7.3，通过activate tensorflow23激活环境。
然后需要安装tensorflow的gpu的依赖（依据tensorflow的版本下载对应的依赖版本）：cudnn、cudatoolkit。通过conda下载可以不用设置一步到位：
conda install cudnn=7.6.5 （2.3的tf对应的一个版本）该命令同时会下载其依赖cudatoolkit
两个文件都是几百m，觉得慢可以使用镜像源。

三、安装tensorflow

这里安装的版本是tensorflow==2.3.0。在2.x后的gpu/cpu都包含在里面了，可以不加后缀-gpu。
关键：使用conda install tensorflow=2.3有可能会因为下载的源不是来自pypi/或者只带有cpu部分。导致不能调用GPU。
所以需要使用pip来下载，并且官网也是这样推荐的。
pip install tensorflow==2.3.0 -i https://pypi.douban.com/simple/ （使用豆瓣会明显快些）

安装后的测试

在激活此环境后运行一下python代码

import os,warnings
warnings.filterwarnings('ignore')
import tensorflow as tf
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"
print(tf.test.is_gpu_available())
print(tf.config.list_physical_devices('GPU')