在Tensorflow也有一段时间了,今天在新配置的电脑上配置tensorflow-gpu,决定把过程通过csdn记录一下
软件下载
我所用到的软件如下图所示,都可以在官网下载到,这里就不在赘述。
需要注意的是:Tensorflow 和 cuda、cudnn有一个版本对应,下载时候需要区别:
软件安装
Anaconda
Python易用,但用好却不易,其中比较头疼的就是包管理和Python不同版本的问题,特别是当你使用Windows的时候。为了解决这些问题,Anaconda是一个很好的选择,提供了包管理与环境管理的功能,可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理,并且已经包含了Python和相关的配套工具。
安装过程也是很智能了,一路next,只要注意:勾选设置环境变量就行,省去一些麻烦
Cuda和Cudnn
Cudnn解压完有三个文件夹:
Cuda安装完在C盘的默认路径:
把Cudnn里面三个文件夹里面的文件,复制到cuda里面
Pycharm
python的IDE环境,想必大家都不陌生,
关于激活码,可以参考:https://blog.csdn.net/weixin_43641304/article/details/87071864
Tensorflow-gpu配置
-
找到新安装的Anaconda中的Prompt,管理员身份打开:
-
创建一个虚拟环境(在此环境内可以任意配置而不会影响系统的环境)
conda create -n 环境名 -c 镜像源(python版本)
我使用:conda create -n tensorflow-gpu python=3.6
用户安装的不同python环境都会被放在目录~/anaconda/envs下,可以在命令中运行conda info -e查看已安装的环境,当前被激活的环境会显示有一个星号或者括号。
删除虚拟环境:
使用命令conda remove -n 虚拟环境名称 --all, 即可删除。
删除环境中的某个包:
使用命令conda remove --name $虚拟环境名称 $package_name 即可
-
激活或关闭环境
安装完后激活环境:
activate tensorflow-gpu
关闭环境:
deactivate
-
安装tensorflow-gpu package
注:安装前最好更新下pip,避免一些下载过程中的错误:
python -m pip install --upgrade pip通过几次 pip 的使用,对于默认的 pip 源的速度太慢,可以使用一些国内的pip源,如下:
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
pip install tensorflow-gpu==1.8 -i https://pypi.tuna.tsinghua.edu.cn/simple/ 使用清华大学镜像源来下载tensorflow1.8
-
pycharm上测试tensorflow
先把虚拟环境下的python.exe配置到pycharm的Project Interpreter
建一个py文件,测试一下:
import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
c = a+b
print(c)
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))
结果:
OK,tensorflow-gpu就配置好了
Conda修改镜像源
Linux和Windows对于conda修改镜像源的方法一样:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
1