本文写在新机配置环境后的第二周,基于克服了种种困难,留下了不少血与泪的情况下,完成了这篇简单的机器学习的环境配置
首先介绍一下作者的电脑配置:
OMEN 6代 CPU Intel i7-10750h,GPU RTX2070max-q,win10系统
总体来说就是一个普普通通的垃圾笔记本
现在我们来配置环境,首先我们一定要遵循一个原则,TensorFlow-gpu, TensorFlow, cuda和cudnn的版本我们一定要对应起来安装,不要拿到新机后感觉人生巅峰我哪个都要装最新版本用一下。
首先先安装cuda
我们先检查一下自己的NVIDIA GPU适应的版本
打开NVIDIA控制面板,找到系统信息查看自己电脑可以适配的最新版本
找到自己的驱动版本,打开https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
查询相对应的版本,我自己的对应的最高版本是cuda 11.1.1
在windows系统中cuda版本是可以向下兼容的,经查阅cuda11.1版本目前好像没有适合的TensorFlow版本相对应,所以作者选择了cuda10.0版本安装
cuda10.0下载地址:https://developer.nvidia.com/cuda-10.0-download-archive
下载的时候选择相应的版本,推荐下载exe(local),官网下载会要你注册账号,找到下载的版本复制链接去迅雷下载绕过注册并且速度很快,如果用exe(network)下载会很慢。
下载好之后选择自定义安装
其中有几项不要勾线(没有用处),Nsight Compute大部分开发者也可以不勾选。
安装完成后,打开命令行窗口,输入nvcc --version,显示如下信息说明安装成功:
安装cuDNN:
首先我们去官网选择与cuda 10.0相对应的cuDNN版本:
https://developer.nvidia.com/rdp/cudnn-archive
作者选择的是cuDNN 7.6.5版本
1.解压文件夹,将解压后的文件夹下的文件拷贝到cuda安装目录下,与之相对应的文件夹下。
安装完成!
安装Conda:
Conda 是一个开源的软件包管理系统和环境管理系统,用于安装多个版本的软件包及其依赖关系,并在它们之间轻松切换。 Conda 是为 Python 程序创建的,适用于 Linux,OS X 和Windows,也可以打包和分发其他软件。
官方安装地址:https://www.anaconda.com/products/individual
安装好之后我们就可以进行python的安装了
安装Python3.7.6:
安装完conda后,我们打开命令行窗口,输入
conda install python=3.7.6
安装完毕
升级conda:
此过程会出现升级失败的问题,如Verifying transaction: failed,environment inconsistency,尝试用conda update -force conda,然后在正常使用升级指令。
参考:https://blog.csdn.net/feizai1208917009/article/details/86673211
_____________________________________________________
下面将介绍TensorFlow,pytorch,mxnet以及OpenCV的安装
安装之前要先介绍一下镜像安装的问题
由于下载渠道是外网,经常会出现下载龟速甚至多次失败的问题,我们使用镜像源进行加速,以下给出清华镜像源的加速方法:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
之后的下载我们便可以用镜像源进行加速
但是!!! 镜像源一定就是完美的工具吗?答案并不是,在作者试图升级anaconda时,结果出现Available Invalid Channel的错误提示,于是在terminal里输入conda update --prefix /Users/用户名/anaconda3 anaconda后,显示我的源不可用,这才发现原来国内的清华源和中科大源都已经因为授权问题停止服务。
所以,在我们安装完下面的环境后,作者建议删除anaconda中添加的清华镜像源,方法如下:
方法1:cmd中输入指令:
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
方法2:
手动删除镜像源,打开anaconda,找到base环境中的channels,删除里面的镜像源并点击update channels:
删除镜像步骤在下面所有的安装结束后再进行!
安装TensorFlow:
打开cmd,输入指令:
python -m pip install --upgrade pip
pip install tensorflow-gpu==2.0.1
测试Tensorflow是否安装成功,输入以下代码:
import tensorflow as tf
gpu_ok = tf.test.is_gpu_available()
print("tf version:", tf.__version__)
print("use GPU", gpu_ok)
得到:
完成!
如果出现GPU False的问题解决办法:
https://blog.csdn.net/flana/article/details/104772614/
安装pytorch:
首先我们要选择合适的pytorch版本来对应cuda:
https://pytorch.org/get-started/previous-versions/
作者选择的是1.2.0版本来对应cuda 10.0
安装过程如下:
打开命令行窗口,输入官网给出的下载指令:
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch
同样的,我们使用清华镜像进行加速
测试以下代码判断是否安装成功:
import torch
print(torch.__version__)
结果显示为:
成功!
mxnet安装:
使用清华镜像进行安装,或者豆瓣镜像也可以
以下给出豆瓣镜像的输入指令:
pip install mxnet-cu100 -i https://pypi.douban.com/simple # CUDA 10.0
注意gpu对应的cuda版本
Cuda10.0直接pip install mxnet-cu100 (cu100指的是cuda10.0)
同样的我们测试一下:
import mxnet
print(mxnet.__version__)
成功!
OpenCV安装:
使用镜像加速
打开cmd,输入以下指令:
pip install opencv-python
注意:不是所有版本的OpenCV都支持你的Visual Studio版本,同样的,不是所有版本的Visual Studio都与OpenCV的特定版本相兼容。
测试是否安装完成:
import cv2
print(cv2.__version__)
安装完成!
最后,我们打开anaconda删除镜像源
以上就是基于win10的conda+TensorFlow-gpu 2.0.1 +cuda10.0 + cudnn +python 3.7.6+mxnet 1.5.0+opencv 4.4.0+pytorch 1.2.0 安装(镜像安装)的全部教程了。
参考:
https://zhuanlan.zhihu.com/p/107683614
https://blog.csdn.net/eefresher/article/details/88529741
https://blog.csdn.net/qq_36302589/article/details/104110886
https://blog.csdn.net/wwwlyj123321/article/details/79061913