环境配置tensorflow-gpu(1.15和2.0)|torch-1.2.0+python3.7+CUDA10+cudnn7.6

目录

1.Anaconda安装

2.新建python环境

3.包安装

查看已安装的包：

安装常用的包：

4.框架安装：

Cuda安装：

Tensorflow-gpu-1.15 安装：

Tensorflow-gpu-2.0 安装：

Pytorch安装：

1.Anaconda安装

下载安装

下载网址：Free Download | Anaconda 

下载完双击安装包，默认选项一直安装就行了

系统用户名应该为英文，避免很多麻烦

建议安装在c盘，直接在c盘新建个文件夹，命名为anaconda3(我装在E盘)

Finish后安装完毕

可能有的情况（我装新版遇到的）

菜单栏没有快捷键：

查看anaconda文件夹里面有没有menu文件夹，有没有anaconda-navigator.json文件，没有自己建，有就在命令行使用以下命令：

python .\Lib\_nsis.py mkmenus

详细见：

Tips--解决安装完Anaconda没有快捷方式的问题_conda安装完快捷方式执行程序位置-CSDN博客

2.新建python环境

方式一：命令行安装：

在电脑开始菜单，打开anaconda prompt，

使用以下命令都能创建python环境：

conda create --name py37 python=3.7

conda create -p C:\Anaconda3\envs\py37 python=3.7

创建完后，用下面命令激活：

conda activate py37

方式二：图形界面安装：

在电脑开始菜单，打开anaconda，在environments中，create一个环境，填写环境名、选择版本，创建即可。

3.包安装

查看已安装的包：

conda list：

conda 是 Anaconda 发行版中的包管理器，用于管理 Python 环境中的软件包。

conda list 会列出当前激活环境中通过 conda 安装的所有软件包及其版本。

通过 conda install 安装的软件包会出现在 conda list 的输出中。

pip list：

pip 是 Python 的官方包管理器，用于安装和管理 Python 软件包。

pip list 会列出当前激活环境中通过 pip 安装的所有软件包及其版本。

通过 pip install 安装的软件包会出现在 pip list 的输出中。

区别：

conda list 只列出通过 conda 安装的软件包，而 pip list 只列出通过 pip 安装的软件包。

两者并不总是互通的，即通过 pip 安装的软件包可能不会显示在 conda list 的输出中，反之亦然。

安装常用的包：

conda install --name py37 python=3.7 numpy scipy Pandas Matplotlib

在anaconda prompt里面，激活环境，输入命令，y同意就行了

一些命令可以进去这里看看，安装包用conda install或者pip install，不建议用conda create --name py37 python=3.7 numpy，这个是生成环境同时安装包

conda配置环境的一些常用命令_conda创建环境命令-CSDN博客

注意：挂VPN(外网)有时候会连接不上Conda 仓库，不挂有时候也连不上（这个很正常，conda库在国外），但是速度稍慢

4.框架安装：

Cuda安装：

按以下对应版本安装：

python3.7、CUDA10、cudnn7.6、Tensorflow-gpu-1.15（2.0也一样）

CUDA10.0

CUDA Toolkit 10.0 Download | NVIDIA Developer

找个位置安装，我默认安装

（组件CUDA中将Visual Studio Intergration、NVDIA GeForce Experience选项，取消掉。如果你的当前版本高于CUDA想要安装的新版本，那么一定要把display driver取消掉！如果你的当前版本低于CUDA想要安装的新版本，那么一定要把display driver勾选，驱动版本不够新，CUDA也运行不了。）

cudnn7.6.3

cuDNN Archive | NVIDIA Developer

（解压，将cudnn里面的bin、include、lib复制到cuda/v10.0对应的文件里面）

用命令查看是否安装成功：

nvcc -V

nvidia-smi

Tensorflow-gpu-1.15 安装：

pip install tensorflow-gpu==1.15

在激活环境后使用命令（不要挂VPN）

我是从下面学会的：

【精选】环境配置python3.7+tensorflow-gpu1.15+CUDA10+cudnn7.6_python3.7对应的tensorflow版本_朱小丰的博客-CSDN博客

更新protobuf（通常版本会匹配不上）：

conda install protobuf

测试TensorFlow-gpu1.15程序：

import tensorflow as tf

matrix1 = tf.constant([[3,3]])

matrix2 = tf.constant([[2], [2]])

product = tf.matmul(matrix1, matrix2)

with tf.Session() as sess:

    result2 = sess.run(product)

    print(result2)

结果：

Tensorflow-gpu-2.0 安装：

pip install tensorflow-gpu==2.0.0

在激活环境后使用命令，和TensorFlow-gpu1.15、pytorch不兼容，要新建环境安装（不要挂VPN）

指定protobuf版本：

pip install protobuf==3.11.2

测试TensorFlow-gpu2.0程序：

import tensorflow as tf
# 检查是否有可用的 GPU
print('可用的 GPU 数量: ',len(tf.config.experimental.list_physical_devices('GPU')))
# 使用 TensorFlow 2.x API
matrix1 = tf.constant([[3, 3]])
matrix2 = tf.constant([[2], [2]])
product = tf.matmul(matrix1, matrix2)
# 直接打印结果
print(product.numpy())

结果：

Pytorch安装：

https://download.pytorch.org/whl/torch_stable.html

在网站下载对应版本的pytorch（cuda10.0对应torch-1.2.0）

保存到自己电脑的目录中

命令：pip install E:\AI_Phy\torch-1.2.0-cp37-cp37m-win_amd64.whl

Pytorch测试：

import torch
print(torch.__version__)
print(torch.cuda.is_available())

结果：