深度学习环境配置记录 |
您所在的位置:网站首页 › cuda102对应的tensorflow版本 › 深度学习环境配置记录 |
一、下载
首先需要先了解一下深度学习环境需要的各个软件之间的关系: 从源代码构建 | TensorFlow (google.cn)
然后了解自己的电脑
NVIDIA控制面板中查看显卡驱动,注意这个只是显卡驱动的版本,并不是安装的CUDA的版本。 也可使用代码来查看 nvida-smi表明电脑的CUDA驱动是11.3版本(466.81) 搜索该驱动可以下载的CUDA Toolkit 我选择了CUDA11.2的版本。搭配cuDNN8.1,Tensorflow2.6.0和Python3.8进行下载和安装。 确定软件版本后,到官网下载对应版本的软件 CUDN:CUDA Toolkit Archive | NVIDIA Developer cuDNN:cuDNN Archive | NVIDIA Developer 我一开始选择了CUDA11.3,但是等我按到最后,测试的时候发现不行,就又卸载换成11.2,所以相应的cuDNN也换过来。 其实也可以根据自己的显卡硬件来更新驱动。 查找自己显卡适合的驱动:Download Drivers | NVIDIA. 搜索之后下载安装 Pycharm:下载 PyCharm: Python Ide 专业开发人员由捷特布雷因 (jetbrains.com) Anaconda: Anaconda | Individual Edition 记住路径,后面有用 检测Anaconda的安装 #win+R,cmd进入命令行窗口,输入: conda activate #进入conda环境 python #查看安装python版本 exit() #退出python done就表明建好了虚拟环境py36,可以通过 conda activate py36进入该环境和通过conda deactivate退出该环境。 记录了几个重要的步骤 新版本比当前版本低的话就去掉勾选,可以点开每个组件看看。不一定都是下面这样。 选择安装位置,有一些视频说要保持默认,但也有视频说可以更改路径(以后多CUDA环境时比较方便),这里更改了路径。 路径下的文件夹设置如下: CUDA下面有子文件: CUDAManager里面包含了下面的子文件: 很明显安装时,对应的组件的位置设置到对应的文件夹中。 检查CUDA是否安装成功 将下载下来的压缩包解压,解压完是下面这个样子: 复制三个文件到CUDA11_2DevelopmentAndDocumentation中即可 应该比较容易,忘截图了。。。。。 安装Tensorflow2.6其实在这里碰到了一些问题,总在显示: ERROR: Could not find a version that satisfies the requirement tensorflow_gpu==2.6.0 ERROR: No matching distribution found for tensorflow_gpu==2.6.0我以为是tensorflow_gpu版本不合适,试了2.4.0和2.1.0还不行,后来才发现输入错误,没有输入_ 最后打开PyCharm运行一段验证代码: import tensorflow as tf #查看tensorflow版本 print(tf.__version__) print('GPU', tf.test.is_gpu_available()) a = tf.constant(2.0) b = tf.constant(4.0) print(a + b)结果是True就表明成功了。 安装PyTorchPyTorch官网:Previous PyTorch Versions | PyTorch 找到合适的版本,其实我的CUDA是11.2版本的,在官网看到最新才到11.1,所以就试着安了CUDA11.1对应的PyTorch 最后在PyCharm的终端Terminal窗口输入: pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html安装大约占用3G大小空间,耐心等一会。 检测安装 import torch import time from torch import autograd #GPU加速 print(torch.__version__) print(torch.cuda.is_available()) a=torch.randn(10000,1000) b=torch.randn(1000,10000) print(a) print(b) t0=time.time() c=torch.matmul(a,b) t1=time.time() print(a.device,t1-t0,c.norm(2)) device=torch.device('cuda') print(device) a=a.to(device) b=b.to(device) t0=time.time() c=torch.matmul(a,b) t2=time.time() print(a.device,t2-t0,c.norm(2)) t0=time.time() c=torch.matmul(a,b) t2=time.time() print(a.device,t2-t0,c.norm(2))表示安装成功。 本篇安装记录主要来自:B站up主 的这个视频:【包教包会】Anaconda+Cuda+Cudnn+TensorFlow+Pytorch+Pycharm+Win10深度学习环境配置与卸载,看这一个就够了_哔哩哔哩_bilibili 感谢up主分享 |
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 |