环境内容
tensorflow-gpu:2.2.0
无需安装keras,tensorflow与keras合并了,简而言之,tensorflow自带keras
接下来要用到的所有安装文件——网盘下载(不用自己去下载啦):
链接:https://pan.baidu.com/s/1cSwNCRKY0syOt-NBEdr94Q
提取码:p002
一、Anaconda环境配置
1、Anaconda的下载(可以跳过)
————————————————
新版本anaconda的下载:
安装最新的Anaconda,首先登录Anaconda的官网:Anaconda | Individual Edition。直接下载对应安装包就可以。
2、Anaconda的安装
打开下载好的安装包。
选择安装的位置,可以不安装在C盘。 我选择了Add Anaconda to my PATH environment variable,这样会自动将anaconda装到系统的环境变量中,配置会更加方便一些。
等待安装完之后,Anaconda的安装就结束了。
二、Cudnn和CUDA的下载和安装
我这里使用的是tensorflow-gpu=2.2.0,官方推荐的Cuda版本是10.1,因此会用到cuda10.1,与cuda10.0对应的cudnn是7.6.5。(当然高一点的版本也是没有问题的,但尽量不要低于)
1、Cudnn和CUDA的下载(已给)
具体下载过程包括注册等繁琐的步骤,既然已经给了安装包,为了保持精简就不在此赘述。
2、Cudnn和CUDA的安装
下载好之后可以打开exe文件进行安装。
这里选择自定义。
然后直接点下一步就行了。
安装完后在C盘这个位置可以找到根目录。C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0然后大家把Cudnn的内容进行解压。 把这里面的内容直接复制到C盘的根目录下就可以了。
安装完成后配置环境,Path需要手动添加如下路径,对应上一步的安装路径:此电脑右键->属性->高级系统设置->环境变量->双击系统环境变量中的Path点击新建,检查,若在系统变量中已有路径,无需执行此步。 (--一条一条添加--)
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64
检查安装是否成功,cmd中输入 nvcc -V(V一定要大写)
三、配置Tensorflow环境
1、Tensorflow环境的创建与激活
打开anaconda prompt:
conda create -n tf2-gpu python=3.7 -y activate tf2-gpu
这里一共存在两条指令:
前面一条指令用于创建一个名为tf2-gpu的环境,该环境的python版本为3.7。
后面一条指令用于激活一个名为tf2-gpu的环境。
由于我们所有的操作都要在对应环境中进行,所以在进行库的安装前需要先激活环境。
2、相关库的安装
需要安装的库总览:
scipy==1.4.1 numpy==1.18.4 matplotlib==3.2.1 opencv_python==4.2.0.34 tensorflow_gpu==2.2.0 tqdm==4.46.1 Pillow==8.2.0 h5py==2.10.0
如果想要更便捷的安装可以在桌面或者其它地方创建一个requirements.txt文件,复制上述内容到txt文件中。
输入命令:
小技巧:只需要把文件移动文件到anaconda/cmd窗口中可以自动获取该文件的绝对路径。
pip install -r C:\Users\33232\Desktop\requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/
四、使用tf2-gpu环境 (可看我以往教程最后一步)
(5条消息) 没有显卡怎么使用anaconda配置tensorflow深度学习环境_舞雩.的博客-CSDN博客_tensorflow-cpu
Tensorflow使用GPU加速训练且自动分配内存
gpus = tf.config.experimental.list_physical_devices(device_type='GPU') for gpu in gpus: tf.config.experimental.set_memory_growth(gpu, True)
完毕!
如果大家觉得本文章对你有帮助,麻烦点赞+收藏一下,谢谢!