----------------------------希望安装tensorflow不会对你学习tensorflow失去信心---------------------------------
前两天花了一天多的时间安装tensorflow,我想大部分同学都是用来想做机器学习,深度学习的吧,以下是我整理的一些过程和心得。建议从头开始按一个博客来,不建议一会跟着这个博客操作,一会又跟着另一个操作,同时希望大家在学tensorflow前别被安装tensorflow折磨而失去了动力,于是就有了这篇博文。
- 前提:已装好了Anaconda(没装过得同学可以去其他博客看一下,把他装好哦,记得配置环境变量)
- GPU版本前提:检查自己电脑是否有NVIDIA显卡,AMD的显卡不支持GPU版本
- 我的环境:Win10 + NVIDIA GeForce GTX1650 + python3.6
- 我安装了:TensorFlow 1.10.0 + CUDA 9.0 + cuDNN 7.0.5
先带大家安装CPU版本(这个比较快):
-
找到==Anaconda Prompt==,右击管理员模式运行。
-
在跳出来的黑色Anaconda Prompt 框中复制以下这几句话
- (复制完一句,记得敲回车,然后再复制下一句)
conda create -n tensorflow-cpu python=3.6
(-n tensorflow-cpu 意思是创建一个名为tensorflow-cpu的虚拟环境,你也可以叫别的名字)
-
输完回车显示(输入y,他就开始帮你创建这个虚拟环境了)
-
同时你进入Anaconda Navigator 也可以看到新建的虚拟环境 (这步可不操作)
- (复制完一句,记得敲回车,然后再复制下一句)
-
创建完虚拟环境以后,他会跳出下图!
-
activate tensorflow-cpu
-
输入 activate tensorflow-cpu(你之前创建的虚拟环境名) 就好,意思就是你创建好了这个环境,那你得先进去这个环境才能操作吧!!!
-
进入之后前面就会有个小括号了,意思是你在这个环境内了。
-
这边建议你先更新一下pip,不然后面装包可能由于pip版本太低容易报错(复制下面这句话就好)
python -m pip install --upgrade pip
-
然后在命令行窗口中继续复制以下语句(安装cpu版本),输完记得回车,根据你的选择输入下面的语句
- 安装指定cpu版本的tensorflow
pip install tensorflow==对应的版本号
- 安装最新cpu版本的tensorflow (目前是2.0的)
pip install --upgrade tensorflow
-
如果网速慢,加上豆瓣源即可(装的是2.0版本的哦),可以自己改版本号
pip install tensorflow==2.0.0-beta0 -i https://pypi.doubanio.com/simple
-
这就开始了》》》》》》》》》》》(大概15分钟左右)
我遇见的错误:
-
错误一:可能会出现以下这样的情况,当你满怀期待的在等待它装完 [给你报错了]
解释:意思是说,你的pip版本太低了,目前已经19.3.1了,你的9.0.1还想玩?
那么用它提示的命令更新一下pip吧,下面我已经给你打出来了,直接复制就好
python -m pip install --upgrade pip
-
这个更新很快,更新好了之后,继续输入以下这句话
pip install tensorflow==(对应的版本号)
-
错误二:现在你想着应该可以了吧,终于要成功了,如果真的成功了,那祝贺你,如果报这个错误,看这里,我装的时候就报错了
- error:THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE
看这篇博客解决办法就ok了, 其实就是换一个命令而已,就是下面这句话
pip install --upgrade tensorflow
-
错误三: 报错Time out
-
建议网速慢的同学,在等待的时候,不要看视频这些的,我就有报了这么一个错,就是显示time out 大概就是超时的意思,重新输入报错前的之前的命令就好
#比如你在装tensorflow,那就在来一边装tensorflow的命令 #比如你在更新pip, 那就在输入一遍更新pip的命令。。以此类推。。。。
-
现在终于安装成功了(因为我中间有个超时的操作,第二次输入的时候,他把我的包都更新了一遍)
看到Successfully基本大功告成了,这次真的祝贺你一下,我知道你也觉得说我心里没底啊,那我们再来试一下代码吧。
测试:
-
先在窗口输入python 进入tensorflow-cpu版本的python环境(可以参考文末的图)
-
复制下面的代码即可
- 装了2.0版本及以上复制这里
# 验证代码(一行一行输入,中间还能看到是在用cpu的字样)
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant('Hello, TensorFlow!')
sess = tf.compat.v1.Session()
print(sess.run(hello))
- tensorflow 2.0 以下的版本复制这里
# 这个是大部分博客都有的验证代码
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
然后带大家安装GPU版本(这个需要沉住气):
先看了一下各个博客的内容,总结了一下win10上装tensorflow—gpu版本的步骤
- Visual Studio(我装了2015社区版)
- 安装GPU版本(这个放在后面也可以,但我为了看他匹配的cuda和cudnn的版本)
- CUDA
- cuDNN
- 测试是否成功
1.先安装visual studio,CUDA需要Visual Studio的支持
-
下载地址:VS 2015
-
进入是这样子的
-
我们选2015版本点,点击下载
-
然后找到update3 找社区版 点下载就好,文件很小只有3.3M,不要怀疑,你是对的
-
安装步骤参考一下博客,仅仅是参考安装步骤,下载按我的来 安装时间30-60分钟
- 传送
- 注意:可以不装到C盘,如果你选自定义,要把Visual C++ 勾上
2.安装GPU版本tensorflow(也是和安装cpu版本类似,所以有些图是我装cpu版本的图)
-
安装前我先贴一个tensorflow版本和python版本、cuDNN版本、CUDA版本需要兼容的图
-
找到 Anaconda Prompt,右击管理员模式运行。
-
在跳出来的黑色Anaconda Prompt 框中复制以下这几句话 装的python是3.6版本
-
(复制完一句,记得敲回车,然后再复制下一句)
-
conda create -n tensorflow-gpu python=3.6
(-n tensorflow-gpu 意思是创建一个名为tensorflow-gpu的虚拟环境,你也可以叫别的名字)
-
输完回车显示(输入y,他就开始帮你创建这个虚拟环境了)
-
同时你进入Anaconda Navigator 也可以看到新建的虚拟环境 (这步可不操作)
-
-
创建完虚拟环境以后,他会跳出下图
activate tensorflow-gpu
-
输入 activate tensorflow-gpu(你之前创建的虚拟环境名) 就好,意思就是你创建好了这个环境,那你得先进去这个环境才能操作吧!
-
进入之后前面就会有个小括号了,意思是你在这个环境内了。(实际应该是tensorflow-gpu)
-
这边建议你先更新一下pip,不然后面装包可能由于pip版本太低容易报错(复制下面这句话就好)
python -m pip install --upgrade pip
-
然后在命令行窗口中继续复制以下语句(安装cpu版本),输完记得回车,根据你的选择输入下面的语句
- 安装指定gpu版本的tensorflow(最好这样装)
- tensorflow版本太高了需要你的显卡配置也要好,或者Tensorflow-gpu版本与cudnn版本不兼容,虽然我们现在还没装过CUDA和cnDNN
pip install tensorflow-gpu==对应的版本号
- 安装最新gpu版本的tensorflow (目前是2.0的)
pip install --ignore-installed --upgrade tensorflow-gpu
-
如果网速慢,加上豆瓣源即可(装的是2.0版本的哦),可以自己改版本号
pip install tensorflow-gpu==2.0.0-beta0 -i https://pypi.doubanio.com/simple
-
这就开始了》》》》》》》》》》》(大概20分钟左右)
-
显示Successfully就可以进行下一个步骤了。
3 .下载和安装CUDA
-
在这之前可以根据已经装好的tensorflow-gpu版本查看与你装的版本对应的CUDA和cuDNN版本
-
查看路径,在Python安装路径下进入tensorflow\python\platform打开build_info.py
-
该文件显示了已经安装好TensorFlow-gpu匹配的CUDA和cuDNN版本,就下面的下就可以
-
-
CUDA官方下载地址:点击这里
-
安装CUDA,安装完就好,如果出现黄色叹号,继续安装就好。
- 测试是否安装成功 ? 命令行输入:nvcc -V
4 .下载和安装cuDNN(这里不用安装,只需要配置)
-
下载cuDNN(会叫你先注册一下NVIDIA账号,才能下载)
-
cuDNN官方下载地址:点击这里
-
下载下面画圈的版本就好,比较保守
-
-
下载完成的到一个
cudnn-9.0-windows10-x64-v7
的压缩文件夹-
先解压,里面有三个文件:bin, include, lib
-
复制这三个到下图的位置,覆盖里面原有的
- 路径:C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.0
- 我的路径是:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
- 然后配置环境变量(我看有些博客不配也可以,保险一点还是配置一下):
右击我的电脑——属性——高级系统设置 ——环境变量——系统变量——新建
-
将之前复制完成的bin文件路径,复制进去
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
-
-
前几个步骤到这里就完成了
5.最后测试
-
详细过程在最后图片中有
-
复制下面的代码即可
- 装了2.0版本及以上的版本复制这里
# 验证代码(一行一行输入,中间还能看到是在用cpu的字样)
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant('Hello, TensorFlow!')
sess = tf.compat.v1.Session()
print(sess.run(hello))
-
- tensorflow 2.0 以下的版本复制这里
# 这个是大部分博客都有的验证代码
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
- 结果是这样就Congratulation了(成功麻烦点赞支持一下哦!!!)
--------------------欢迎进入深度学习的世界-----------------
--------------------欢迎进入深度学习的世界-----------------