当前位置:   article > 正文

python+tensorflow+tensorflow-gpu+CUDA+cuDNN+pycharm全套环境配置教程_pythons-7 tensorflow-gup2-1-0

pythons-7 tensorflow-gup2-1-0

这篇博客是从零开始的安装教程,全部完成后你的电脑就可以运行以tensorflow为框架的机器学习代码了,并可以使用GPU进行加速运算。

1,python安装及环境配置

  1. https://www.anaconda.com/download/在该网站下载对应你的系统版本的Anaconda(一个自带很多科学包的python版本)                                                                         
  2. 下载好后点开安装程序,按照要求一路点击下一步
  3. 选择自己要安装的路径
  4. 这里选下面就可以了,上面那个自动添加环境有时候会出问题,尤其是你以前装过Anaconda然后又卸载了或者没装成功的时候,反正我们选择手动添加环境最保险。
  5. 然后等待安装完成,安装完成后我们开始配置环境变量。右键我的电脑→属性→高级系统设置→高级→环境变量→系统变量→找到Path,点击编辑→然后我们要在其中添加三个路径,分别为: ~\Anaconda3,~\Anaconda3\Scripts,~\Anaconda3\Library\bin     中间的部分就是你安装Anaconda的位置,添加好后点击保存。
  6. 安装完成,在cmd中输入anaconda和python,如果出现如下显示,说明安装正确。

2,Pycharm安装及环境配置

 

  1. https://www.jetbrains.com/pycharm/在该网站下载对应你系统版本的Pycharm
  2. 对于初学者来说社区版足够了,当然你也可以用收费版,网上也有破解教程。
  3. 下载好后打开安装程序
  4. 选择对应的版本
  5. 按照要求一路点击下一步直到安装完成。
  6. 打开pycharm,它会提示你新建一个工程,你也可以从从主界面新建工程。
  7. 我们选择pure python 纯python程序,然后选择好路径,点击create创建
  8. 建立好工程后我们新建一个python文件
  9. 输入好文件名后点击ok
  10. 接下来我们要配置解释器,也就是python的路径,点开设置 
  11. 在左边选Project:untitled→Project Interpreter,然后在右边这个地方点击Add,新增解释器
  12. 在左边选择Conda Environment,然后右边选择Existing environment,路径选择之前安装Anaconda文件夹下的python.exe,然后点ok。
  13. 之后这里就会显示出当前选择的python所拥有的包,这里都是Anaconda自带的科学包。
  14. 我们点击ok,返回主界面,接下来只要等右下角的进度条加载好,我们就可以写代码运行代码了。

3,tensorflow以及tensorflow-gpu的安装方法

  1. 首先我们打开Anaconda的图形界面 
  2. 在最左边选择Environments,然后将中间的下拉框选中not installed,然后在右边搜索框中搜索关键字tensorflow
  3. 搜索到后选中tensorflow和tensorflow-gpu,然后点击右下角apply并按指示安装,安装完成后tensorflow就可以直接使用了,tensorflow-gpu还需要安装CUDA和cuDANN才可以使用。

4,CUDA和cuDNN的安装及环境配置

  1. https://developer.nvidia.com/cuda-toolkit-archive首先从该网页下载tensorflow对应版本的的CUDA,tensorflow1.11可以使用CUDA9.0,下载好后按要求进行安装。
  2. https://developer.nvidia.com/cudnn然后在这个网站下载cuDNN,版本要同时对应CUDA的版本和tensorflow的版本,cuDNN7.3.0满足CUDA9.0和tensorflow1.11。
  3. cuDNN下载下来后是一个压缩文件,解压后里面有三个文件夹,我们需要将这三个文件夹里的内容粘贴到CUDA的安装路径下对应的相同名字的文件夹里。
  4. 很多人可能找不到CUDA装在了哪里,它有一个默认安装路径
  5. 然后我们打开pycharm,输入以下代码
    1. import tensorflow as tf
    2. sess = tf.Session()
    3. a = tf.constant(1)
    4. b = tf.constant(2)
    5. print(sess.run(a+b))

     

  6. 运行程序,如果显示以下类似结果,说明安装正确 

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/菜鸟追梦旅行/article/detail/95766
推荐阅读
相关标签
  

闽ICP备14008679号