原来用的是CPU版本的TensorFlow,CPU很渣,跑太慢。卸载了CPU版本的换GPU版本。都是坑
卸载方法:进入cmd-》activate tensorflow-》pip uninstall tensorflow
在前面说一下:去英伟达官网看一下显卡的计算能力。TF要求计算能力至少为3.否则用了GPU版本也白用。而且如果你强行指定要它用GPU,它就给你报错(老电脑泪流满面)
配置GPU版本:
GPU版本需要安装CUDA Toolkit和CUDNN。因为TensorFlow更新速度很快,到目前写这篇文章的时候CUDA版本已经和官网的不一样了。建议先安装TensorFlow看看需要什么版本的CUDA TOOLKIT.
1、TensorFlow:
进入CMD:输入下面的命令创建并激活conda环境
conda create -n tensorflow pip python=3.5
activate tensorflow然后就可以下载安装
pip install --ignore-installed --upgrade tensorflow-gpu2、CUDA Toolkit:
安装完成之后可以导入TensorFlow看看当前需要什么版本的CUDA。注意要在tensorflow环境下。这里还有坑,如果你是在CMD命令行的情况下输入下面语句,会说你没有tensorflow这个模块。解决方法根据编辑器不同,也有很多。如果想直接解决而不再使用任何插件什么的。直接把env里面的tensorflow里的文件替换掉Anaconda的文件(替换系统路径没用,不知道为什么)
python
import tensorflow as tf
在CMD中输入这两行之后就会报错,说找不到.DLL文件。会提示你下载相应的CUDA。然后去官网下载对应 的CUDA和cuDNN
另外安装CUDA toolkit的时候,有系统要求的。通过下面的链接看看自己的配置,没有的自行安装。
安装的时候它会自动把路径添加进去。(如果选择“自定义”,可以不安装在C盘。路径也自动添加。C盘敏感者的福音)
如果你没有VS2010以及以上版本,会有部分组件安装失败。
3、cuDNN:
下载之前先注册。
下载之后解压缩,并将解压出来的三个文件夹中的文件,复制到CUDA中相对应的文件夹下。
官方文档说可以添加到系统路径中(这个方法我没用)
然后测试就可以用TensorFlow了。
测试的时候,使用下面这种方式打开会话。会显示设备信息。
贴一小段测试代码:
import tensorflow as tf
with tf.device("/gpu:0"): #指定使用第一块CPU。如果崩了,说明GPU不支持。注释掉就可以用CPU版本的了。
a=tf.constant(2)
b=tf.constant(3)
c=tf.add(a,b)
sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))
4、opencv:
进入文件所在的文件夹:
pip install xxxxxxxx(你下载的版本)
使用的话就是
import cv2
注意python版本的和C++版本的API变化,建议查看文档。