一、关于TensorFlow的配置
博主是基于anaconda来配置,主要是分为两块,并且没有先后关系
1、tensorflow 配置
1.1 anaconda安装
首先 官网下载 https://www.anaconda.com/
1.2 虚拟环境配置
接着最好创建一个虚拟环境来配置tensorflow 其命令为
conda create -n 你的虚拟环境名字 python=安装版本
由于我写的时候 python已经更新到了3.7,但是tensorflow暂且只支持 3.6,所以 就算不想使用虚拟环境 好像也不行o(* ̄▽ ̄*)o
在这里 ,我为了提高速度,使用了清华的镜像源,代价貌似就是 pip版本太老了……
使用 conda env list
来看一下
另外配置 清华镜像源的方法
没有就创建
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
ssl_verify: true
show_channel_urls: true
就好了
1.3 tensorflow-gpu安装
然后按安装tensorflow-gpu
首先切换环境
activate tensoflow
这里补充一下 由于直接装tensorflow-gpu 速度太慢,这里我们依旧需要将pip的镜像源改为清华的
方法为 如图,没有将创建
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
接下来 更新一下 pip
python -m pip install --upgrade pip
然后安装
现在我们就装好了tensorflow-gpu
2 NVIDIA环境配置
可是还是没办法使用的 需要加上英伟达的cuda+cudnn
https://developer.nvidia.com/cuda-toolkit-archive
https://developer.nvidia.com/rdp/cudnn-download
tensorflow当前版本也就是1.12需要cuda9+配套的cudnn
请去官网下载,全部安装完毕就好了
ps:cudnn需要账号登录才给下载
其中 cuda直接安装
cudnn解压将其中的
bin include 和lib 复制到安装目录下的对应文件就好了
测试结果
代码
import tensorflow as tf
hello = tf.constant("Hello world!")
with tf.Session() as sess:
result=sess.run(hello)
print(result)
就是这样