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')