当前位置:   article > 正文

深度学习tensorflow环境配置全教程

tensorflow环境配置

  • 系统:windows
  • 编程软件:Pycharm
  • 编程语言:python
  • 在进行深度学习相关学习过程中运行代码需要对应的tensorflow环境,所查询到的资料大多不够完整,自行整理出教程,以供自己后续参考使用。为便于多个环境的管理,使用的是Anaconda创建一个单独的tensorflow虚拟环境

1. 安装anaconda

1.1 下载anaconda

官网网址,点击图中download即可自动下载
​​Alt

1.2 anaconda 的安装

  1. 找到刚刚下载好的文件双击打开,如图,点击next
    anaconda安装
    2)点击I Agree
    在这里插入图片描述
  2. 选择"Just Me"或“All Users";(若想为多个用户安装,选择”All Users",若仅为当前用户安装,则选择"Just Me")
    在这里插入图片描述
    4)设置安装路径,路径名称最好为全英文,点击“next"
    在这里插入图片描述
    5)**!!!**第二个选项的意思是将安装路径添加到系统环境中,有的教程写勾选后会出现问题,官方也会给出红色提示,但我自己安装时勾选了添加路径,大家根据自己需要选择,没选的安装完需要手动添加安装路径,这部分请参考其它教程。
  • 其它为默认勾选,然后点击install,等待安装完成。
    在这里插入图片描述

2.安装cuda

2.1 查看电脑cuda版本

  • 按下快捷键 Win + R 打开运行>>输入 cmd 回车>>出现如下界面。
  • 输入nvidia-smi,查看本机所支持的最高cuda版本(记住这个版本号,安装cuda不可以超过这个版本,否则会出问题,驱动程序号同理),如图本机支持的最高cuda版本为11.7,驱动程序版本为516.40.

在这里插入图片描述

2.2 下载cuda安装包

在这里插入图片描述

  • 点击“download now"

在这里插入图片描述

  • 如果自己电脑支持最新cuda,可下载最新版本,但最新版往往不够稳定,建议稍降低版本安装,页面下滑找到cuda曾经版本

在这里插入图片描述

  • 为避免版本过高,此处我选择11.5.0版本cuda进行下载

在这里插入图片描述

  • 选择更详细的参数,windows11(根据自己系统版本选择),exe(local)版本下载

在这里插入图片描述

  • 找到下载好的文件,双击运行,等待cuda安装完成,需要数分钟。此处不建议改路径,容易找不到cuda,cuda主要是用来做GPU加速的

出现如下界面:

  • 系统检查:选择同意并继续
    在这里插入图片描述
  • 许可协议:如若未装过,可直接选精简,如以前装过,有其他需求,选自定义,选完后点击下一步

在这里插入图片描述

在这里插入图片描述

  • 选项:我用pycharm作为编译环境,不需要visual studio,因此此处不安装studio,读者可根据文字提示自行选择,勾选理解,点击next

在这里插入图片描述

  • 等待准备安装并完成,关闭

在这里插入图片描述

  • 按下快捷键 Win + R 打开运行>>输入 cmd 回车>>出现如下界面
  • 输入nvcc -V查看是否安装成功,出现cuda版本即为成功。
    在这里插入图片描述

2.3 安装cudnn

1.根据cudnn官网查看cuda与cudnn版本对应关系(!!!很重要,不可以乱下载,下载时需要一个NVIDA账户,用邮箱注册一个即可。11.x或12.x即为对应数字开头的版本都能适配,除了版本对应,cudnn选择较稳定的版本,例如我下载的为11.5.0版本的cuda,此处选择2022年对应11.x版本的cudnn,不追求最新。本人所要安装的是windows系统,因此下面选择windows版本的安装包。

在这里插入图片描述
2.解压压缩包,复制文件夹到cuda文件夹中,会自动对应,cuda默认位置为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5,
在这里插入图片描述
在这里插入图片描述 3.若出现这一提示,继续即可
在这里插入图片描述

3.tensorflow环境配置

1.在网上搜索tensorflow和cuda的对应关系,此电脑安装tensorflow_gpu==2.9.0版本。
win+R打开cmd, 创建tensorflow环境,安装也需要在所创建的环境中,可参考b站视频(【有幸遇见-b站最全最简洁易学的深度学习环境配置教程】 https://www.bilibili.com/video/BV1ov41137Z8/?p=7&share_source=copy_web&vd_source=5d48ca2d6d56e40f0372f613cb602850)进行,下面为文字过程。

  1. win+R打开cmd,输入activate,进入base环境
  2. conda create -n tf python==3.8,回车,等待安装完成

在这里插入图片描述

  • 输入conda activate tf ,进入创建的tf环境
  • 输入指令:pip install tensorflow_gpu==2.9.0 -i https://pypi.douban.com/simple可自行修改镜像源链接
  • 如果进行神经网络的训练,大部分要用到gpu,一定要安装tensorlow_gpu而不是tensorflow,即指令中tensorflow_gpu ==xx, 而不是tensorflow ==xx为,否则会不支持gpu
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

4.测试tensorflow环境

  • 从pycharm中找到刚刚创建的tensorflow环境,flie——settings——python interpreter——add

在这里插入图片描述
在这里插入图片描述

  • 如果找不到,在cmd中用conda env list列出本机conda创建的虚拟环境所在位置,如图,找到tf所在位置,在pycharm中选择该环境进行代码测试。

在这里插入图片描述
在这里插入图片描述

  • 新建一个py文件,在创建的tf环境下运行如下测试代码(也可以自行搜索其它测试代码)
from tensorflow.python.client import device_lib

# 列出所有的本地机器设备
local_device_protos = device_lib.list_local_devices()
# 打印
# print(local_device_protos)

# 只打印GPU设备
[print(x) for x in local_device_protos if x.device_type == 'GPU']
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 运行完成后出现如下自身显卡信息则证明gpu调用成功,tensorflow环境搭建完成!
  • -看到这里,如果成功运行了请给我一个免费的赞吧,这对我真的很重要!!!
  • 如果不成功请留下你的问题,我会尽量帮忙的!
    祝大家学习愉快!

在这里插入图片描述

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/2023面试高手/article/detail/695712
推荐阅读
相关标签
  

闽ICP备14008679号