小白的机器学习环境搭建之路
1.前提步骤
安装合适版本的anaconda ,cuda,cudnn 再找tensorflow
1.1安装anaconda
官方网站Anaconda | The World's Most Popular Data Science Platform
点击download
(我用的是windows 64位的)
按照流程安装。
安装完成后再验证一下
再搜索中输入anaconda会出现
证明anaconda安装完成
打开anaconda navigator
再环境中可以新建&配置环境
(本文采用命令行的方式进行,因为这个方法用了不太行(个人))
1.2 cuda & cdnn的安装和环境配置
1.2.1 cuda
打开nvidia control
左下角系统信息
点击组件,可以看到对应的:NVCUDA 64.DLL
比如我的是11.4 版本
在官网上下载:CUDA Toolkit Archive | NVIDIA Developer
(只要对应到xx.x的版本就好了)
(注意:安装过程中一定要关注安装的路径或者自定义路径)
三个路径:
development;
documentation;
samples;
至此cuda以及安装完成了。
1.3cudnn的安装
官网:NVIDIA cuDNN | NVIDIA Developer
选择download
这里会要求你参加一个club,没有的化注册一个。
这个club并不会对你的后续操作进行限制。
选择注册:
海外的网站会有一点慢,有条件的可以选择科学上网
勾选 agree
点击release
找到对应你的cuda 的cudnn下载(不然的化后期不匹配会出现各种问题)
安装结束后解压
(注意:请关注解压的路径)
解压后得到这三个文件
将解压后的所有文件复制粘贴到cuda的安装路径中;出现要求替换的点击同意。
至此cudnn的安装已经完成了
1.4cuda和cudnn的环境设置
完成1.1-1.3的步骤后,在系统变量中会有
CUDA_PATH & CUDA_PATH_VXX 两个变量(版本和你的有关)
接下来配置
1:CUDA_SDK_PATH = (samples的路径)/vxx
2: CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
3: CUDA_BIN_PATH=%CUDA_PATH%\bin
4:CUDA_SDK_BIN_PATH=%CUDA_PATH%\bin\win64
5:CUDA_SDK_LIB_PATH= %CUDA_SDK_PATH%\common\lib\x64
在path中添加以下4条:
再添加这四条:
(cuda的路径)\Vxx\bin;
(cuda 的路径)\Vxx\lib\x64
(samples的路径)\Vxx\commen\lib\x64
(samples的路径)\Vxx\bin\win64
(注意版本号和你下载的有关)
检查:
进入命令提示符
输入nvcc -V 出现图示信息则完成
至此环境配置已完成
1.5tensorflow的安装
打开之前下载好的anacond prompt
输入pip list
如果之前有下载好tensorflow但是没有安装好的
用pip uninstall + ()删除安装好的包
(正常情况下不用删除)
创建tensorflow的环境:
conda create -n tensorflowgpu python=3.6
(环境名称为 tensorflowgpu python版本为3.6)
(python3.6为写文章当前tensorflow支持的最高版本)
输入activate -(环境名)进入环境
至此你的tensorflow-gpu环境已经安装好了
1.6 tensorflow-gpu环境的日常使用(pycharm)
打开pycharm,选择你要运行的文件
如图编辑解释器配置:
进入后点击“+”新建
在解释器选项中选择anaconda中设置的python3.6(tensorflow-gpu):
允许运行&apply:
完成!
(注意:每次运行前必须打开 anaconda prompt 输入 activate (环境名),不然没用)