Windows环境下Tensorflow-GPU环境配置
Windows环境下TensorFlow-gpu的配置
从此开启深度学习之旅。
Anaconda安装
通过安装Anaconda软件,可以同时获得Python解释器、包管理和虚拟环境等一系列便捷功能。
下载地址:
www.anaconda.com/
Windows下载地址:
www.anaconda.com/products/in…
设置路径
添加到环境变量,设置Python版本
检查安装成功与否
Win+R打开运行程序,输入cmd回车进入命令行程序,输入
conda list
回车,出现以下结果,说明安装成功。
如果没有出现以上结果,说明安装有误,需要重新安装。
CUD安装
CUDA安装
下载地址:
https://developer.nvidia.com/cuda-downloads
设置安装路径并安装
安装完成后,在命令行输入
nvcc-V
执行出现以下结果,说明安装成功。
cuDNN神经网络加速库安装
CUDA并不是针对神经网络专门的GPU加速库,它面向各种需要并行计算的应用设计。如果希望针对神经网络应用加速,需要额外安装cuDNN库。粗DNN并不是运行程序,只需要下载解压并配置Path环境变量即可。
下载地址:
https://developer.nvidia.com/cudnn
- 将下载后的文件解压重命名后放到CUDA安装路径下:
- 配置Path环境变量:
TensorFlow安装
根据计算机是否具有NVIDIA GPU显卡来确定安装性能更强的GPU版本还是性能一般的CPU版本。
使用国内的pip源安装
pip install -U tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple
U参数指定如果已经安装此包,则执行升级命令
(命令行的执行使用管理员的方式)
检查安装成功与否
命令行输出python启动python环境,输入
import tensorflow as tf
回车没报错的话说明安装成功
继续检查GPU是否可用
tf.test.is_gpu_available()
或者使用
tf.config.list_physical_devices('GPU')
列出GPU
安装成功时返回True,否返回False,需要再次加测CUDA、cuDNN、环境变量等步骤。
CPU版本的安装
pip install -U tensorflow -cpu -i https://pypi.tuna.tsinghua.ed.cn/simple
安装成功后可以使用
tf.__version__
查看TensorFlow版本
极简版安装方式
#创建名为tf2的虚拟环境,并根据预设环境名tensorflow-gpu
#自动安装CUDA,cuDNN,TensorFlow GPU等
conda create -n tf tensorflow – gpu
#激活ft2虚拟环境
conda activate tf2
到此,在Windows操作系统下的TensorFlow的GPU版本就配置好了。