windows 10 + GTX1650 环境下基于TensorFlow的深度学习环境配置

因论文需要,简单的记录一个深度学习环境的配置过程
说明:与广为应用的基于Anaconda的深度学习环境配置方法不同的是,本文直接基于Python基础环境+Pycharm进行环境的配置,不安装,不安装,不安装Anaconda (几年前安装过Anaconda,其实觉得不怎么好用,倒不如直接基于基础环境进行),记得好几年前自己第一次接触不怎么懂(小小小白),然后瞎摸索还是蛮花费时间的。

首先,基础软硬件配置环境为:windows 10+GTX1650

1. python环境的安装

下载Python安装包直接安装,不再赘述,本文安装的版本为 Python 3.7.9
传送门

2. CUDA与CUDNN安装

这两个工具软件的作用嘛,就是调用英伟达的显卡那些东西啦。
此处安装过程需要注意与自己的电脑的显卡型号进行适配。
其中显卡最高可支持的cuda版本在控制面板查看,如下图所示。
在这里插入图片描述

本文参考的这篇博客给出的版本适配信息,安装的是CUDA 10.1,CUDNN 7.6 相关的教程还是很多的传送门
涉及到一个版本版本间的匹配问题,先这里说一下

cuda 10.1 
cudnn 7.6 
tensorflow   2.1.0/2.2.0/2.3.0

#关于cuda 10.1 pytorch
# CUDA 10.1
pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

Torch 、torchvision 、Python 的一个版本匹配参考

3. pycharm安装

在官方网站上下载pycharm安装包,本文安装的专业版本,使用教育邮箱进行的认证,好用。此处其实不建议进行汉化,因为后期找教程的时候基本还是英文的教程。

传送门
以上安装完毕就可以进行深度学习环境配置啦。

4. TensorFlow环境配置

本文各项深度学习所用的库文件均在pycharm中进行安装,而不是在cmd命令行窗口进行安装,主要便于后期各个项目之间的切换,比较大家都会参考github上的代码的,所以个人认为这种方式还是比较方便的。

总的意思就是说,为每一个工程项目匹配一个环境,下面给出一个演示吧。

  1. 在pycharm中创建一个项目
    从图中可以看到基础python环境的位置base interpreter
    Fil->new project
    在这里插入图片描述
  2. 添加(修改下载的镜像的源)
    因为pyhton的很多库的服务器都在境外,因为众所周知的原因,速度很慢,而且常常会安装失败,给人造成了很多的困扰。

File->setting->点击红色框框的+号
在这里插入图片描述
进去点击 那个红色框图内的manage … 进入镜像文件编辑页面
在这里插入图片描述
进行镜像源的修改(笔)、添加(+)、删除(-)
在这里插入图片描述
pycharm 2022.1 添加(更换)镜像位置如下图所示:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

几个相关的镜像源如下:豆瓣、中科大、清华、官方。
个人感觉里面最快的豆瓣,不过肯能有的镜像有缺失,最后还得是官方去下载,不过大部分都有。

https://pypi.douban.com/simple/
https://pypi.mirrors.ustc.edu.cn/simple/
https://pypi.tuna.tsinghua.edu.cn/simple/
https://pypi.python.org/simple

之后遍通过这个窗口进行环境配置安装啦!
直接搜索,即可看到如下图所示的页面,记得specify vession。
本文安装的是tensorflow 2.2.3 ,其他的库也是这样安装啦。
在这里插入图片描述
通过pycharm主页面下的python packages此处进行添加也是极为方便的。
在这里插入图片描述

这时候可以测试一下自己的tensorflow是否安装成功。
新建一个Python脚本,插入测试代码,检验是否能够成功运行。

后面就可以开心的复现github上的代码啦。

import tensorflow as tf 
sess = tf.Session() 
a = tf.constant(1) 
b = tf.constant(2) 
print(sess.run(a+b)) 
  • 2
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

回忆的麻花

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值