tensorflow详细安装教程(Win10, Anaconda,Python3.9) |
您所在的位置:网站首页 › anaconda安装tensorflow-gpu教程 › tensorflow详细安装教程(Win10, Anaconda,Python3.9) |
tensorflow详细安装教程(Win10, Anaconda,Python3.9)
文章目录
tensorflow详细安装教程(Win10, Anaconda,Python3.9)
1.tensorflow版本的准备工作
1.1 CPU版本,无需额外准备
1.2 GPU版本,需要提前下载cuda和cudnn
2.下载Anaconda
2.1 下载并安装Anaconda
2.2 创建环境
3.测试tensorflow-gpu是否安装成功
1.tensorflow版本的准备工作
CPU版本和GPU版本的区别主要在于运行速度,GPU版本运行速度更快,所以如果电脑显卡支持cuda,推荐安装gpu版本的。 操作并不复杂,一开始我觉得要下这么多东西,感觉很麻烦,不想搞,但为了速度,最后还是尝试安装了一下,发现并没有那么难搞。 1.1 CPU版本,无需额外准备CPU版本一般电脑都可以安装,无需额外准备显卡的内容。 1.2 GPU版本,需要提前下载cuda和cudnn根据网页在 Windows 上安装 TensorFlow (juejin.im)的说明,需要满足以下四个条件。 查看电脑的显卡,此电脑→右键选管理→设备管理器→显示适配器。 核显UHD Graphics 630和独显GeForce GTX 1050,主要看独显GeForce GTX 1050。 选中NVDIA GeForce GTX 1050右键选属性→驱动程序,可以看到已经装好驱动。满足四个条件之一。 查看CUDA Compute Capability,网址CUDA GPUs | NVIDIA Developer。将部分内容截图,可以看到GeForce GTX 1050的Compute Capability是6.1满足四个条件之一。 查看电脑的CUDA版本。图标处右键NVDIA控制面板→系统信息→组件,红框中,可以看到CUDA的版本是11.1。 下载cuda和cudnn。在官网上下载对应的cuda和cudnn,版本可以低于但不能高于电脑支持的版本。cuda下载地址:CUDA Toolkit Archive | NVIDIA Developer,cudnn下载地址:cuDNN Archive | NVIDIA Developer 我下载的是CUDA Toolkit 11.0.0,选择相应的系统、版本等选项,Download安装包。 下载对应版本的cuDNN。这里选择的是cuDNN v8.0.5 for CUDA 11.0。 CUDA安装:选自定义安装→默认安装路径→安装结束 安装完成后,会默认生成两个系统变量。 系统变量查看:此电脑→右键选属性→高级系统设置→环境变量→系统变量 cuDNN安装:解压→将三个文件夹复制到cuda的安装目录下,直接选择覆盖文件就可以。 安装完毕,测试cuda版本。 打开cmd,输入指令: nvcc -V到此,四个条件都已满足。 2.下载Anaconda 2.1 下载并安装Anaconda下载地址Anaconda | Anaconda Distribution,我安装的版本是Python3.9,安装过程记得选择自动配置环境变量。 安装完成后,打开Anaconda Prompt,输入命令: conda --version查看安装的版本 conda env list查看已经安装的环境,右边“*”表示当前使用的环境创建tensorflow环境,输入命令:conda create -n tensorflow python=3.9,表示创建一个名字为tensorflow的环境,这个环境用的python版本是3.9版本的 创建成功后,输入命令:conda env list,可以看到tensorflow环境已经创建,星号为当前所在环境(基础环境base)。 进入环境,输入命令:activate tensorflow,就可以进入tensorflow环境中。 因为我的conda环境在D盘中,所以将路径改了以下。如果anaconda安装的时候是默认路径,这一步不需要。 安装默认版本的tensorflow-cpu或者tensorflow-gpu。 没有配置cuda,安装tensorflow-cpu版本的,可以输入命令:pip install –ignore-installed –upgrade tensorflow 配置了cuda,安装tensorflow-gpu版本的,可以输入命令:pip install –ignore-installed –upgrade tensorflow-gpu 然后下载一会之后,会报错,这是网速的原因。 解决方法是:找到tensorflow_gpu-2.8.0-cp39-cp39-win_amd64.whl (438.0 MB)这个文件。 登录https://pypi.org/,搜索tensorflow_gpu,点击要的包名称。 网址tensorflow-gpu · PyPI,下载文件到D:\Anaconda3\envs\tensorflow\这个目录下。 输入命令:pip install tensorflow_gpu-2.8.0-cp39-cp39-win_amd64.whl 这个时候又报错ERROR: Could not find a version that satisfies the requirement XXX 解决方法:直接选用pip源并且信任它的来源就可以解决这种问题 pip install 库包 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com 这里将pip源换成清华源、阿里源等都适用。 -i https://pypi.tuna.tsinghua.edu.cn/simple pip install tensorflow_gpu-2.8.0-cp39-cp39-win_amd64.whl -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com这样就可以安装成功了。 输入命令:pip show tensorflow-gpu,可以查看tensorflow的版本信息 退出环境:conda deactivate 3.测试tensorflow-gpu是否安装成功打开Anaconda,选择tensorflow环境,打开spyder,第一次打开需要安装Spyder,直接点下方的install即可。 测试代码 import tensorflow as tf a = tf.constant(1.) b = tf.constant(2.) print(a+b) print(tf.__version__) print(tf.test.gpu_device_name()) print('GPU:',tf.config.list_physical_devices(device_type='GPU')) print('CPU:',tf.config.list_physical_devices(device_type='CPU')) print(tf.test.is_gpu_available())此时有个报错: Could not load dynamic library ‘cusolver64_11.dll‘; dlerror: cusolver64_11.dll not found 解决办法: 链接:https://pan.baidu.com/s/1W9fR2N_hoVD-7_ODtOiJhg 提取码:u65i 下载文件,把文件cusolver64_11.dll添加到创建的环境\Library\bin中 程序正常运行,输出结果 简单测试一下cpu和gpu运行速度的差别 import tensorflow as tf import timeit #指定在cpu上运行 def cpu_run(): with tf.device('/cpu:0'): cpu_a = tf.random.normal([10000, 1000]) cpu_b = tf.random.normal([1000, 2000]) cpu_c = tf.matmul(cpu_a, cpu_b) # print( "cpu_a: ", cpu_a.device) # print( "cpu_b: ", cpu_b.device) # print("cpu_c:", cpu_c.device) return cpu_c #指定在gpu上运行 def gpu_run(): with tf.device( '/gpu:0'): gpu_a = tf.random. normal([ 10000,1000]) gpu_b = tf.random. normal([ 1000, 2000]) gpu_c = tf.matmul(gpu_a, gpu_b) # print( "gpu_a: ", gpu_a.device) # print("gpu_b: ", gpu_b.device) # print("gpu_c: ", gpu_c.device) return gpu_c cpu_time = timeit.timeit(cpu_run, number = 10) gpu_time = timeit.timeit(gpu_run, number = 10) print('cpu:',cpu_time, 'gpu:',gpu_time)运行速度差距很明显。 参考链接: 安装Anaconda/Python3.9/Tensorflow_Miska_Muska的博客-CSDN博客_anaconda安装tensorflow Anaconda中安装并运行tensorflow_w_66666的博客-CSDN博客_anaconda如何安装tensorflow Anaconda下conda,pip安装tensorflow-gpu_AnnnnnJie的博客-CSDN博客 anaconda安装tensorflow-gpu手把手教程_不用在意昵称的博客-CSDN博客_anaconda安装tensorflow gpu Anaconda安装使用及tensorflow配置_坚强的敏敏子的博客-CSDN博客_anaconda tensorflow Could not load dynamic library ‘cusolver64_11.dll‘; dlerror: cusolver64_11.dll not found_hungita的博客-CSDN博客_cusolver64_11.dll 来源:Yan_Yancy 您可能感兴趣的内容: (conda + pip) 配置各版本 Pytorch 深度学习环境 ERROR: Could not build wheels for opencv-python which use PEP 517 and cannot be installed directly YOLOV5源码的详细解读 Python|安装geopandas教程——以四个依赖包为例 torch各种版本下载 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |