说明
所有内容参考日月光华
老师的安装的PDF
- 安装视频参考 : https://www.bilibili.com/video/BV1PV411U7vc
- 课程 https://study.163.com/course/introduction/1004573006.htm
- 如果需要使用GPU,请先安装 CUDA和cudnn
- 参考文章 CUDA 和 cudnn的安装
1.安装环境要求
1.1 以下 64 位系统支持 TensorFlow:
- Ubuntu 16.04 或更高版本
- Windows 7 或更高版本
- macOS 10.12.6 (Sierra) 或更高版本(不支持 GPU)
- Raspbian 9.0 或更高版本
1.2 Python版本
- Python 3.5 – 3.7
1.3 window
Windows用户需安装VC :
- 地址 https://support.microsoft.com/zh-cn/help/2977003/the-latest-supported-visual-c-downloads
- 下载链接(用迅雷下载): https://aka.ms/vs/16/release/vc_redist.x64.exe
1.4 注意
CPU 和 GPU 只装一个就行
2.CPU版本的安装
# 第一步,升级 pip 版本(可选,如果pip版本大于19.0,可忽略此步骤),
# 打开anaconda prompt 命令行,执行:
python -m pip install --upgrade pip
# 第二步,安装tensorflow2.3的cpu版本
pip install tensorflow-cpu==2.3.0 -i https://pypi.douban.com/simple/
3.GPU 版本的安装
3.1 安装
## 驱动版本注意: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
# 注意 :
## GPU版本有两个依赖库,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
## 打开anaconda prompt 命令行,
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
## 然后执行tensorflow安装:
## 安装时别开代理软件
pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple/
3.2 验证是否安装成功
import tensorflow as tf
print('GPU:', tf.test.is_gpu_available())
# 如果安装成功会打印 GPU: True
2021-06-19 20:22:52.556367: I tensorflow/compiler/xla/service/service.cc:176] StreamExecutor device (0): NVIDIA GeForce RTX 2060 with Max-Q Design, Compute Capability 7.5
GPU: True
3.问题
1. tensorflow 使用CPU而不使用GPU的问题解决
- 参考 https://blog.csdn.net/donaldsy/article/details/103471736
- 缺乏某种库也会导致无法使用GPU 就像下面的问题
2. 无法加载动态库 Could not load dynamic library ‘cudnn64_7.dll’; dlerror: cudnn64_7.dll not found
## 解决方法 :
## 下载cudnn7.65for10.0版本 从bin目录里找到 cudnn64_7.dll 这个文件, 复制到
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
## 其他库缺失问题解决方法基本类似
## 百度云地址
链接:https://pan.baidu.com/s/1HsPezN_0dvV6aBfrkzuDDw
提取码:2068
复制这段内容后打开百度网盘手机App,操作更方便哦--来自百度网盘超级会员V4的分享
## cudnn 下载地址 (建议迅雷)
https://developer.nvidia.com/rdp/cudnn-archive