如何利用 conda 在配置tensorflow gpu的训练环境
想在电脑上安装Tensorflow并运行那些开发GPU潜能的深度学习算法吗?那么你找对地方了。在本文中,我将解释传统方法和新的优化方法以及为什么我们应该转储pip并使用conda。
传统方案
要为GPU安装Tensorflow,我必须按照以下步骤操作(步骤适用于Windows):
- 首先找出GPU是否与Tensorflow GPU兼容! (从这里)
- 从这里下载并安装Cuda Toolkit。
- 通过注册Nvidia开发人员网站下载cuDNN
- 通过将cuDNN的内容解压缩到步骤2中安装的Toolkit路径来安装cuDNN。将一些文件在CUDA Toolkit目录中替换。如果CUDA_HOME存在,则需要检查路径变量。如果没有,请手动添加。
- 如果工具箱路径可用,请检查路径变量。
- 然后最后安装Anaconda或Miniconda
- 使用安装了Python和Pip包创建环境。
- 最后’pip install tensorflow-gpu’。
- 测试您的安装。
看上去很容易吗?为什么不继续尝试呢。请记住,我没有为上述任何步骤提供视觉效果,因为这些只是为了您的知识并解释我们在此过程中遇到的问题。
这个过程成功的可能为1%!为什么?由于版本编号
不同版本的Tensorflow支持不同的cuDNN和CUDA Verisons(在此表中CUDA有一个整数值,但是当你下载它时实际上是一个浮点数,这使得编号和兼容性更加困难)。另外cuDNN和conda也不是conda的一部分。
新的方案
安装 miniconda 或者 anaconda, 然后在终端输入以下代码
conda create --name tf_gpu tensorflow-gpu
这么简单吗?对!
此命令将创建一个以’tf_gpu’命名的环境,并将安装tensorflow-gpu所需的所有软件包,包括cuda和cuDNN兼容的版本。
并且它不会干扰您当前的环境所有准备好的设置。
如果您在查看命令时遇到困难,我会将此命令分解为三个命令。
conda create --name tf_gpu
activate tf_gpu
conda install tensorflow-gpu
注意:这也适用于Ubuntu用户。
测试Tensorflow安装
要测试tensorflow安装,请按照下列步骤操作:
- 在终端使用’activate tf_env’打开终端并激活环境。
- 使用’python’转到python控制台
- 输入以下代码
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))