目录
1、配置前的准备
1.1环境要求
- python3.6
- TensorFlow-GPU1.15
- CUDA9.0 + CUDNN7.3
1.2Anaconda的安装
直接官网下载即可
1.3PyCharm的安装
同上,官网下载即可
1.4Anaconda的虚拟环境常用命令
(1)检查conda版本
conda --version
(2)列出所有环境
conda env list
(3)查看环境中安装的包
pip list
(4)conda升级
conda update conda # 升级conda
conda update anaconda # 升级anaconda前要先升级conda
conda update --all # 升级所有包
(5)conda升级后释放空间
conda clearn -p # 清除无用的包
conda clearn -t # 删除保存下来的压缩文件(.tar)
1.5虚拟环境管理
(1)创建环境
conda create -n env_name python=3.6
其中env_name是你创建的环境的名称,python的版本可以自定义
(2)激活环境
activate env_name
注:新的环境会默认安装在你conda目录下的envs文件下,你可以自己指定其他路径,后续实际操作中我会提及。
(3)切换到初始环境
conda deactivate
(4)删除环境
conda env remove -n env_name
我在实际操作过程中发现即使在终端执行该命令后,envs文件夹下依旧会存在一个空文件夹,要是想重复创建一个与原来虚拟环境同名的环境,则需要先删除那个空文件。
2、管理环境中的包
2.1常用命令
(1)安装包和安装特定版本的包
conda install package-name
conda install package-name==version
(2)查看所有已安装的包
pip list
(3)卸载和更新包
conda remove package-name # 删除某一个包
conda update package-name # 更新某一个包
conda update --all # 升级所有包
3、环境配置
3.1创建虚拟环境
首先打开电脑左下角开始中的Anaconda文件夹,文件夹中有两个 Anaconda Prompt。我们选择 Anaconda Prompt(Anaconda),点击打开。
输入
conda env list
先查看当前的环境
conda create --name env_name python=3.6
输入 y
conda env list
检查环境是否创建成功,若显示出你创建的虚拟环境名字则成功
虚拟环境创建成功后激活进入虚拟环境
activate env_name
如下图所示
3.2通过pip安装TensorFlow
由于国内网络限制,所以推荐用阿里的镜像进行安装
pip install tensorflow-gpu==1.15 -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
当完成后,通过如下命令查看环境中是否安装了TensorFlow
pip list
可以看出TensorFlow已经安装成功。
3.3CUDA的安装
在安装CUDA前,首先需要确认笔记本最高可支持的版本,可以在桌面上单击鼠标右键。
选择NVIDIA控制面板——>帮助——>系统信息——>组件
在产品名称那一列可以看到版本号,当前电脑的版本是11.0.228,在安装CUDA时低于这个版本即可。
在下列网址下载CUDA9
https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
下载完后开始安装,建议安装在默认位置,记得以管理员身份运行
至此,安装完毕
接下来测试CUDA是否安装成功
在搜索框内输入cmd打开命令提示符,并在其中输入
nvcc -V
如上图所示,即安装成功
3.4cuDNN安装
首先进入cuDNN的下载地址,进行cuDNN的下载,若是想下载其他cuDNN版本,也可自行寻找,但是要记得cuDNN的版本需要和CUDA的版本匹配。
https://developer.nvidia.com/rdp/cudnn-archive
将下载后的压缩包进行解压,直接解压在CUDA的安装路径下
解压后的cuDNN会将这三个文件进行替换,如果无法直接解压进去,可以复制解压后的三个文件,进入CUDA v9.0所在的文件夹进行粘贴替换。
默认路径一般会在这里
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
注:会出现需要管理员权限的提示,选择管理员权限即可。
3.5配置环境变量
首先鼠标右击 此电脑 点击属性打开 高级系统设置
点击环境变量,我们可以看见系统变量一栏中已经多出了如下两个变量
接下来还需要在系统变量里添加如下
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
添加后如下图所示
单击系统变量中的 PATH 选择编辑进入
进入后若看见以下
安装完成
3.6检查安装是否成功
在搜索框输入cmd进入命令提示符界面,输入
nvidia-smi
该命令可以查看目前GPU使用情况
出现上述页面即代表全部安装成功!!!
4、在PyCharm配置虚拟环境
4.1设置运行环境
打开pycharm后,打开你要运行的工程,然后点击页面左上角的File
再点击File中的Settings,打开如下界面
点击Project中的Python Interpreter显示如上界面。
然后点击横框的向下的那个三角形,显示如下界面。
点击 + 号后,操作如下所示
点击OK,选中所需的虚拟环境即可。
至此,配置已全部完成。
4.2PyCharm中安装包
同样是在Settings界面中,点击下图中的 + 号,在弹出来的界面中查找自己所需要的包
点击红框按键即可,安装成功后,左下角会弹出安装成功的提示。
目前深度学习的环境配置已基本完成,在后续跑模型的时候,查看模型需要哪些包,另行安装即可。