搭建tensorflow2.xgpu版本
前言
提示:现在网上好多大佬的博客都有搭建tensorflow2.x的搭建教程,有cpu版本的,gpu版本的,gpu版本的好多大佬都是首先配置英文达的显卡驱动,手动安装依赖库,cuda和cudnn,。都是确定自己安装的是那个tensorflow版本,然后去英伟达官网去下载对应版本的cuda,cudnn,再去配置环境,这个教程我试过,有点复杂,报错也多,对于我这种新手来说,不太友好。于是我按照自己的理解然后去安装了。我装的是tensorflow-gpu2.3.0的版本我是在Anaconda这个开发平台安装的
提示:以下是本篇文章正文内容,下面案例可供参考
一、第一步,安装anaconda
示例:这个由于我之前用tensorflow1.13的时候就已经安装过了,就请各位自行去别的大佬博客去找教程安装。安装anaconda成功后打开界面,点击environments,然后在点击create创建一个独立的环境,,名字随便起,但是那个python要根据自己的需要来安装,如下图:![在这里插入图片描述](https://img-blog.csdnimg.cn/20210523124725639.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDk1MjM2NQ==,size_16,color_FFFFFF,t_70#pic_center
这个环境创建好之后,点击你创建的环境,点击open terminal进入控制台,在终端控制台去安装tensorflow
也可以去你安装anaonda的位置打开Anaconda Prompt管理员运行他,
然后激活你所创建的环境:激活了环境,先去配置国内源,再去安装依赖库,这样子快一点。
命令如下(示例):
activate + 你的环境名字
激活环境,我这里配置的是清华源,你们也可以去选择别的源,像豆瓣这些:输入下面三条命令行就配置成功了
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
最后是安装gpu版本的的依赖库:cuda和cudnn;输入根据自己的tensorflow-gpu的版本来所需要的依赖库,我这里是2.3.0的tensorflow-gpu。先装cuda,我已经装好了,所以输入命令行就提示环境已经准备好了
conda install cudatoolkit=10.1(根据自己的需要选择版本)
安装cudnn
conda install cudnn=7.6.5(根据自己的需要选择版本)
这样所需要的依赖库就安装好了,就可以直接安装tensorflow-gpu了;
最后一步,直接安装tensorflow-gpu
pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple(根据自己的需要选择版本,后面是加个下载的源,速度比较快,也可以不加,那就用你前面配置好的源)
这就装好了tensorflow-gpu,接下来就是测试了。依次输入下面的命令行
输入
python#进入python人机交互端
import tensorflow as tf#导入tensorflow包
print(tf.__version__)#这里是查看tensorflow版本,下划线是 —— ——两个杠的
#tf.test.is_gpu_available() or tf.config.list_physical_devices('GPU')两个代码去测试是否gpu安装成功,第一个是返回的是ture,
提示:本人安装就是这样的步骤,也可以用conda install +tensorflow版本,conda会帮你自己下载和配置对应的依赖