Tensorflow环境的配置
Tensorflow分为CPU版本和GPU版本。GPU版本的Tensorflow可用利用NVIDIA GPU强大的计算加速能力,使Tensorflow的运行更为高效,尤其是可以成倍提升模型训练的速度。
tensorflow2.3兼容的python版本为:3.5~3.7
一:最新Tensorflow 2.3 CPU版本的安装
-
安装anaconda
以下命令均在anaconda虚拟环境中输入,请提前进入虚拟环境
-
升级pip版本
如果pip版本大于19.0,可忽略此步骤。
# 查看pip版本 pip -V # 升级pip版本 python -m pip install --upgrade pip
-
安装Tensorflow 2.3 CPU版本
pip install tensorflow-cpu==2.3.0 -i http://mirrors.aliyun.com/pypi/simple/
-
检查是否安装成功
进入到虚拟环境中,输入python,进入python后导入tensorflow,看是否报错。
二:最新Tensorflow 2.3 GPU版本的安装
安装GPU版本必须有GPU硬件的支持。Tensorflow对NAVIDA显卡的支持较为完备。使用conda来安装GPU版本的Tensorflow。
-
显卡要求
对于NAVIDA显卡,要求CUDA Compute Capability(算力)必须不低于3.5。
算力参考:https://developer.nvidia.com/cuda-gpus
-
驱动要求
驱动版本要求:NVIDIA驱动程序需418.x或更高版本。可在命令行中执行查看驱动版本。
如果显示不是外部或内部命令,则将 C:\Program Files\NVIDIA Corporation\NVSMI 路径添加到环境变量中,重启anaconda命令行,即可查看。
nvidia-smi
-
依赖库要求
GPU版本有两个依赖库,对于tensorflow2.3来讲,CUDA的版本必须是10.1,cudnn版本号需要不小于7.6。
因为GPU版本这两个依赖库比较大,不需要大家手动配置,我们使用conda安装,建议大家设置conda的国内源。将.condarc文件放入c盘下的用户文件即可。
-
安装依赖
conda install cudatoolkit=10.1 conda install cudnn=7.6.5
-
安装GPU版本的的Tensorflow
pip install tensorflow-gpu==2.3.0 -i http://mirrors.aliyun.com/pypi/simple/
-
检查是否安装成功
导入tensorflow查看是否报错,如果没报错则说明tensorflow安装成功。之后输入以下命令来检测tensorflow是否为GPU版本:
import tensorflow as tf tf.test.is_gpu_available() # 如果为True则说明GPU版本已正确安装
三:Tensorflow 2.0版本的安装
Tensorflow 2.0 版本兼容的python版本为2.7~3.6
pip install tensorflow==2.0.0-alpha0 -i http://mirrors.aliyun.com/pypi/simple/