mask rcnn 虚拟环境的配置(利用anaconda)

丙氨酸

于 2020-10-06 10:03:58 发布

阅读量395

点赞数 3

CC 4.0 BY-SA版权

文章标签：神经网络深度学习

本文链接：https://blog.csdn.net/supergcg/article/details/108936612

本文档详细介绍了如何使用conda创建并激活名为maskrcnn的虚拟环境，以及如何安装特定版本的CUDA、cuDNN、TensorFlow-GPU和Keras-GPU。在配置过程中，强调了各组件版本之间的匹配关系，例如CUDA和cuDNN需要与GPU兼容，TensorFlow-GPU版本需与cuDNN匹配，而Keras则需与TensorFlow-GPU版本兼容。通过pip安装确保了所需版本的准确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

maskrcnn 虚拟环境的配置
conda create -n maskrcnn python=3.5
source activate maskrcnn
conda install cudatoolkit=10.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
conda install cudnn=7.6.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

conda install tensorflow-gpu=1.14.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
conda install keras-gpu=2.1.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

cd 指定文件夹
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

发现用conda安装时不能保证我需要的版本。直接pip安装就行。
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.14.0

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.1.2

[补充]经实验发现:
cuda 和cudnn保证与gpu匹配就行。
tensorflow-gpu版本与cudnn匹配就行
keras 与tensorflow-gpu匹配就行。

conda install tensorflow-gpu=1.4.1 cudatoolkit=8.0 cudnn=6.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/