重新换了台电脑,尝试自己百度配置了一下python环境,这里收集整理了一些优质博客,记录了自己配置的过程。
安装流程
一. Anaconda+pycharm
二. tensorflow-gpu (CUDA,CUDNN)
安装anaconda和pycharm(专业版)以及一点Tips
网上教程很多,我参考的是:https://www.cnblogs.com/yuxuefeng/articles/9235431.html
几个问题:
1.anaconda安装目录下自带python(存放在Anaconda安装目录下-python.exe),无需再次下载python
我的Anaconda中自带python版本为3.7.4
2.PyCharm 是一款功能强大的 Python 编辑器。
(作为小白的我使用下来还是非常有好的owo)
打开pycharm-file-New project 建立一个新工程后,先来配置一下Project Interpreter (file-settings-Project Interpreter)
点击红色图标后-add-conda environment-existing enviroment-Interpreter-点击三个点省略号选择anaconda安装目录下的python.exe(上文提到啦)-ok即可(简单甩几张图),然后开启你的编程之旅吧~~~
哦对啦!
先安装VC++2015-2019
否则后续总会有问题
官方下载链接:https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads
附加:使用Anaconda 安装各种包肯定会用到:https://blog.csdn.net/tanzuozhev/article/details/76022189 (清华源链接)
安装Tensorflow-gpu(CUDA,CUDNN)
# 写在安装前:网上关于python3.7版本安装tensorflow-gpu的参考资料比较少,简单几步,我们来先安装一个python3.6版本。
首先打开菜单anaconda prompt终端输入
# 创建一个名为python36的环境(不管是3.6.x,conda会自动寻找3.6.x中的最新版本)
conda create --name python36 python=3.6
# 安装好后,使用activate激活某个环境
activate python36 # for Windows
source activate python36 # for Linux & Mac
# 激活后,会发现terminal输入的地方多了python36的字样,即把默认环境从PATH中去除,再把3.6对应的命令加入PATH
#查看python版本
python --version
# 可以得到`Python 3.6 :: Anaconda X.X.X (64-bit)`,即系统已经切换到了3.6的环境
# 如果想返回默认的python 3.7环境,运行
deactivate python36 # for Windows
source deactivate python36 # for Linux & Mac
# 删除一个已有的环境
conda remove --name python36 --all
按照上面在pycharm对Project Interpreter的操作,可以对你的工程使用python3.6环境
开始这部分的正事!
主要参考:https://blog.csdn.net/qq_27158179/article/details/82952021
在安装tensorflow-gpu前,主要是图片上这面三件事:
**
① 安装显卡驱动 ② 安装CUDA ③ 安装cuDNN
我的版本对应:
安装显卡驱动后+CUDA10.0+cuDNN7.3.1(7.1.4)+tensorflow-gpu1.14.0
1.显卡驱动官方安装链接(可用):https://www.geforce.cn/drivers
2.CUDA官方安装链接:https://developer.nvidia.com/cuda-toolkit-archive
Download 2.1GB即可~~~下载安装后务必记住安装目录,后续要用
3.CUDNN官方安装链接:https://developer.nvidia.com/rdp/cudnn-archive
(ps:最开始我安装的是cudn9.0-配套的cudnn7.1.4,测试时会报错让我安装cuda10.0,所以只得重新安cudn10.0 但cudnn7.1.4仍可以配套使用aha开心)
CUDA和CUDNN安装后,需要做一个复制操作:
将CUDNN安装目录下三个文件夹bin include lib中的文件复制到 CUDA安装目录下的对应三个文件夹bin include lib中
测试:
测试GPU是否好用,代码:
import tensorflow as tf
a = tf.test.is_built_with_cuda() # 判断CUDA是否可以用
b=tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None) # 判断GPU是否可以用
print(a)
print(b)
输出结果是:
True
True
代表CUDA和GPU可用
测试成功 !
我这里出现了12个warnings
FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’._np_quint8 = np.dtype([(“quint8”, np.uint8, 1)])
解决:
pycharm中使用Import tensorflow,然后将点进出现的警告,进入dtype.py,修改对应行的代码,把np.dtype([(“quint8”, np.uint8, 1)])修改为np.dtype([(“quint8”, np.uint8, (1,))])就完美解决了
(要修改12次)
参考:https://blog.csdn.net/bigdream123/article/details/99467316
再次运行测试程序,就不会有warnings啦 !
测试成功!
感谢所有我参考博文的博主~~