2020年8月初,tensorflow 2.3版本发布,Tensorflow的安装一直是困扰初学者的一个坎,下面我们来看一下如何用五分钟安装最新版本的Tensorflow 2.3 。
第一步,要检查和搭建环境。
以下 64 位系统支持 TensorFlow:
(1)Ubuntu 16.04 或更高版本
(2)Windows 7 或更高版本
(3)macOS 10.12.6 (Sierra) 或更高版本(不支持 GPU)
(4)Raspbian 9.0 或更高版本
Python版本要求为 3.5 – 3.7 。
第二步,安装 miniconda 和 VC(windows系统需要)
推荐使用 Miniconda 搭建python环境,
Miniconda是最小的conda安装环境,它提供了:
1. conda 包管理工具
2. python
可在官网下载对应 python 3.5 - 3.7 版本的 miniconda ,
也可加日月光华微信 louhh01 从学习交流群下载。
VC安装可从微软的官网下载,也可在Tensorflow学习交流群文件下载 。
安装完 VC 后需重启计算机。
第三步,明确自己安装的Tensorflow版本
Tensorflow分为CPU版本和GPU版本。
GPU 版本的 TensorFlow 可以利用 NVIDIA GPU 强大的计算加速能力,使 TensorFlow 的运行更为高效, 尤其是可以成倍提升模型训练的速度。
安装GPU版本必须有GPU 硬件的支持。 TensorFlow 对 NVIDIA 显卡的支持较为完备。
对于 NVIDIA 显卡,要求其 CUDA Compute Capability 须不低于 3.5。
一、对于没有Nvidia显卡的同学,我们来看一下 CPU 版本的安装:
(一)升级 pip 版本
(可选步骤,如果pip版本大于19.0, 可忽略此步骤,pip版本查看命令: pip -V),
打开anaconda prompt 命令行,执行:
python -m pip install --upgrade pip
(二)安装tensorflow2.3的cpu版本
pip install tensorflow-cpu==2.3.0 -i https://pypi.douban.com/simple/
等待安装结束即可完成安装。
二、Tensorflow GPU 版本安装
(一)检查nvidia驱动版本,NVIDIA驱动程序需 418.x 或更高 版本。
可在命令行中执行查看驱动版本: nvidia-smi
(二)安装依赖库
GPU版本有两个依赖库cuda和cudnn,对于 tensorflow2.3来讲,
CUDA的版本需要是 10.1
cudnn版本号需要不小于 7.6
因为GPU版本这两个依赖库比较大,不推荐大家手动配置,
我们使用conda安装,建议大家设置 conda的国内源。可加日月光华微信 louhh01 获取配置好的conda配置文件,然后放到自己的用户文件下即可。
然后打开anaconda prompt 命令行,先后执行下面两行安装命令:
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
最后执行tensorflow安装:
pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple
搞定!
这是一个非常简洁的安装指南,务必严格按照上述要求检查安装,有什么需要咨询的可直接联系日月光华老师。