目录
ANACONDA&Pycharm
这两个软件没啥需要注意的,正常下载就行了,Pycharm图标我这里配的是专业版的,下载社区版的其实就够用了。
版本对应关系(经过官网测试)
这一步是重中之重,在下载各种库之前一定要提前确定好自己要下载的版本,最新的不一定是最好的,最稳定的一定不差。比如我选择的是2.6.0版本的TensorFlow以及对应工具,其实下面的图中编译器和构建工具可以忽略,我们只用关注其他的软件对应版本就行了。
TensorFlow&keras
TensorFlow默认下载最新的版本,而最新的版本在上面的版本关系对应图中是没有的,所以一定不能直接:
pip install tensorflow-gpu
怎么看你的TF-GPU版本呢?
使用WIN+R打开命令行,输入:
pip list
还有一点很重要:keras的版本要与tensorflow一致,如上图所示。
如果你发现自己的TF-GPU版本有误,可以:
pip uninstall tensorflow-gpu
pip install tensorflow-gpu==2.6.0
(pip install tensorflow==2.6.0)
如果你的GPU不是N卡,那么到这里就可以结束了……
CUDA
根据你下载的TF版本,在上面图中找到对应的CUDA版本,并下载即可。
安装过程有些细节需要注意,建议看看其他教程(b站
CUDNN
根据自己选择的TF版本,下载对应版本的CUDNN:
CUDNN下载之后是一个压缩包,需要将其解压,并将CUDNN三个文件夹中内容复制进CUDA中,比如将下图中CUDNN的bin文件夹中所有内容复制进CUDA的bin文件夹。
CUDNN:
CUDA:
配置测试
import tensorflow as tf
tf.test.is_gpu_available()
在python中键入以上代码,如果显示"True"则配置环境成功。