深度学习图像识别二次开发日志

深度学习图像识别二次开发日志

---

一、环境搭建

0. 确认计算机配置
   

---

1. 查询 显卡 - CUDA - cuDNN - python - tensorflow_gpu 版本对应关系

   1.1 打开NVIDIA控制面板
   
   1.2 打开 帮助 - 系统信息
   
   1.3 打开 组件，查看CUDA版本编号
   
   1.4 打开 Tensorflow官网 - 从源代码构建 - Windows - GPU，查找对应关系
   

---

2. 根据上图，前往 NVIDIA 官网（可能小卡） 下载对应的 CUDA 驱动
   
   2.1 打开下载好的安装程序，可以默认安装
   
   2.2 安装好后加入环境变量，并使用cmd检查安装情况
   
   2.3 用户变量中加入这四个路径
   
   2.4 系统变量中加入两个变量
   
   2.5 使用cmd检查安装情况 nvcc --version，CUDA安装成功
   

---

3. 下载cuDNN —— 下载地址（可能小卡，并需要一系列注册登录认证）
   
   3.1 下载后解压得到四个文件
   
   3.2 将三个文件夹拷贝到CUDA安装目录下，直接复制粘贴文件夹不会显示文件夹重名，会自动将文件补充到对应文件夹下面去
   
   3.3 检查tensorflow-gpu安装情况

   在桌面新建一个文本文件，在里面放入以下代码，然后将文本文件改名为 test.py

   from tensorflow.python.client import device_lib
   import tensorflow as tf
   print(device_lib.list_local_devices())
   print(tf.test.is_built_with_cuda())
   

   然后在桌面，按住 Shift同时点击鼠标右键，在右键菜单中选择
   
   在 PowerShell命令行中输入python test.py，稍等片刻，运行结果显示为显卡及其算力等级，环境搭建完成
   

---

4. 安装 Tensorflow-GPU对应版本的Keras

   4.1 Tensorflow-GPU 的版本在步骤1.4 已经查询过，Tensorflow-GPU 2.6.0
   
   4.2 Keras 版本查询方式
   在安装好tensorflow-gpu==2.6.0后，使用命令pip install keras==2.3.1，后来出现了这样一条报错
   
   wow！利用报错信息来查询对应版本，也是个好办法呢！