TensorFlow深度学习环境配置
说明:Python3.9 Tensorflow2.10.0+cuda11.8+cudnn8.9
【准备工作】
一、使用英伟达GUP显卡算力
(1)安装CUDA Tool
介绍:CUDA是Nvidia开发的一种并行计算平台和编程模型,用于在其自己的GPU(图形处理单元)上进行常规计算。
下载位置:https://developer.nvidia.com/cuda-toolkit-archive
选择下载后进入
文件大小近2G,下载后直接安装
(2)cuDNN
NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。
下载位置(需要注册英伟达开发者):
https://developer.nvidia.com/rdp/cudnn-archive,选择下载后进入
文件大小近500M,是个zip的压缩包,解压后有三个目录bin,include,lib
将上述三个目录下的文件复制到C:\Program Files\NVIDIA GPU Computing\V11.x\相应的三个文件夹内,注意lib目录要复制x64子文件中
二、安装Python
版本不建议安装最新的,此处可选择3.8或3.9版本,下载后直接安装即可,安装时在第一个界面,勾选 Add to Path,将python添加到环境变量中。
因为python编程会用到很多第三方库,因为网速原因,我们需要把第三方库的下载数据库指定为国内的镜像。
进入命令行状态,输入命令(可选择清华大学、阿里云等镜像站)
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
三、创建虚拟环境
因为Python会使用大量的第三方库,为保证每个项目有独立的环境,建议使用虚拟环境,每个环境可以使用不同的库或同一库的不同版本。
如:D:\mldp是一个空文件夹,我们要创建虚拟环境,使用的命令(使用命令行工具)
d:
cd \mldp
python -m venv venv
第一个venv是python自带的虚拟环境模块名, 第二个venv是指创建的文件夹名称,命令执行成功,会自动创建venv子文件夹,后续所有的第三方库会安装在此目录中。
四、激活虚拟环境
使用虚拟环境前必须先进行激活,进入venv/Scripts目录
cd venv/Scripts
activate
激活后会在命令行的提示符前显示(venv)字样
五、安装深度学习所需的第三方库
Pip是用于安装和卸载第三方库的一个工具,激活虚拟环境后,输入以下命令
(1)安装数据分析常用的工具包numpy、pandas、matplotlib
pip install numpy
pip install pandas
pip install matplotlib
pip install scipy
(2)安装机器视觉的opencv库
pip install opencv-python
(3)安装谷歌机器学习的库tensorflow
pip install tensorflow
(4)安装Jupyterlab
jupyterlab编辑器
pip install jupyterlab
jupyterlab中文语言包
pip install jupyterlab-language-pack-zh-CN
安装智能提示插件
pip install jupyterlab-lsp
安装插件所需的语言服务(支持python)
pip install python-lsp-server
六、运行命令,打开浏览器
jupyter lab
建议把chrome浏览器设置为默认浏览器。
七、其他
在D:\mldp目录下创建一个work子目录,作为以后代码存储的位置,为提高打开软件的速度,编写一个批处理文件,放在d:\mldp目录
@echo off
call venv/Scripts/activate.bat
cd work
jupyter lab
提醒,用pip install 安装第三方库需要停止jupyter的服务,在命令窗口界面连接按Ctrl+C,安装好后重新用jupyter lab启动