Tensorflow2.5以上安装教程(安装问题,一篇全解) |
您所在的位置:网站首页 › trensflow安装 › Tensorflow2.5以上安装教程(安装问题,一篇全解) |
恭喜你发现全网最简单最详细的Tensorflow安装教程! 本文将给出tensorflow2.5版本的具体配置,若要安装其他版本也可参照本文的思路。 与过去版本对比,你可以感受到来自Tensorflow2.5的善意: ①Tensorflow2.1、2.3等版本都缺少Transformer子结构——MultiHeadAttention的相关接口(估计谷歌官方忘记更新这里的API了),经过测试,Tensorflow2.5版本具有MultiHeadAttention的包; ②Tensorflow2.5版本直接附带了keras,不用再pip下载了; ③运行模型不用再修改gpu加速的那段源码了,也就是报错: (module ‘tensorflow_core._api.v2.config‘ has no attribute ‘experimental_list_devices‘)不会再发生了; ④当然还有很多,总之大大方便了用户 安装步骤概述: 安装Tensorflow-gpu就三步: ①安装Tensorflow ②装Cuda ③下Cudnn,替换Cuda的文件 PS:随着时间的推移,相同的安装方式可能会出现其他问题。如果发生,可以告知博主,会及时测试并更新。 本文目录 Tensorflow2.5 GPU相关配置一览一、Tensorflow 2.5.0安装1.1 Tensorflow-gpu版本(模型训练快,推荐√)1.2 Tensorflow-cpu版本(模型训练慢,不推荐)1.3 安装过程报错全解(欢迎补充)1.4测试tensorflow安装是否成功 二、Cuda下载、安装和卸载2.1 Cuda下载和安装2.2 Cuda卸载(非必须环节,Cuda装错后使用) 三、Cudnn下载和文件替换其他Tensorflow版本补充匹配本文默认已经安装好python,如果没有,最快捷的方式就是安装三件套Anaconda Anaconda下载安装后,套餐直接附带 ①Python ②常用包(很多不需要pip下载了) ③自带编辑器:Jupyter notebook、Spyder(随便选个用) Tensorflow2.5 GPU相关配置一览 本文安装项目版本python3.6-3.9(博主是3.7.0)Tensorflow(CPU/GPU)2.5.0Cuda(GPU版本所需)11.2Cudnn(GPU版本所需)v8.1.0(与Cuda版本匹配即可)若要安装其他Tensorlfow版本,亦可从→官网这里找。安装方式一样,将Tensorflow、Cuda和Cudnn版本对应好即可,Cudnn最高版本到11.2为止,再高要不兼容了。 推荐,因为多了GPU的资源分配,模型跑的快。特别提醒,请确认你的显卡是N(NVIDIA)卡,如果是A(AMD)卡,GPU版本不兼容,只能使用CPU版本。 (安装过程可能的错误在1.3给出了,也就是你看到的红色部分,出现的Warning警告(黄色部分)可以忽视。错误修复后,记得重新输入pip命令): pip install tensorflow-gpu==2.5.0 -i https://pypi.doubanio.com/simple如果遇到权限受限被拒绝访问的问题,在后面加个–user即可(下同): pip install tensorflow-gpu==2.5.0 -i https://pypi.doubanio.com/simple --user 1.2 Tensorflow-cpu版本(模型训练慢,不推荐)去掉上述pip里的“-gpu”即可。如果是CPU版本,安装到此为止。(因为Cuda和Cudnn都是GPU版本所需的) pip install tensorflow==2.5.0 -i https://pypi.doubanio.com/simple 1.3 安装过程报错全解(欢迎补充)安装过程基本会报错。最最最重要的是!下列报错只要出现了,就会把那部分安装的内容打断,所以全部修复后记得重新输入Tensorflow的安装命令(因为很重要,所以再提示一次)↓ ①You are using pip version 10.0.1, however version 20.2.2 is available. You should consider upgrading via the ‘python -m pip install --upgrade pip’ command. 解决方案: python -m pip install --user --upgrade pip②Cannot uninstall ‘wrapt’. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall. 解决方案: pip install -U --ignore-installed wrapt enum34 simplejson netaddr③twisted 18.7.0 requires PyHamcrest>=1.9.0, which is not installed. 解决方案: pip install PyHamcrest④google-auth 1.20.1 has requirement setuptools>=40.3.0, but you’ll have setuptools 40.2.0 which is incompatible. tensorboard 2.1.1 has requirement setuptools>=41.0.0, but you’ll have setuptools 40.2.0 which is incompatible. 解决方案: python -m pip install -U pip setuptools⑤ImportError: DLL load failed: 找不到指定的模块。 解决方案:导入tensorflow这个错误两台电脑有遇到(1/2),用Vc 2015解决,文件名称VC_redist.x64.exe(直接点进去不断下一步即可) 链接:https://pan.baidu.com/s/1CneXLwODtGRBmgUtp7VxDQ 提取码:f42m 1.4测试tensorflow安装是否成功这里可以简单检测下 输入 python import tensorflowpip安装完后可以测试下,出现下列提示那就OK。 提示的意思就是:Cuda还没装 Cuda下载 安装注意点: ①Windows系统有更新,就先更新系统,否则Cuda会安装失败(亲身经历)。 ②对于Cuda的安装,直接下一步,用默认安装(即装在C盘)。因为无论选D盘还是E盘最后都会给你塞到C盘。就会有人误以为自己操作不当删了又装,白白浪费时间。 ③先检测自己的显卡适不适合高版本的cuda,兼容11.2及以下版本(这里会发现这条代码也会给你Tensorflow对应的CUDA版本提示) 命令: nvidia-smi这里建议选择11.2.0版本(其他版本还未测试过)的Cuda。 如果不慎安装了错误版本的Cuda,重新安装前务必把之前的卸载干净。 cuda卸载方式: 以windows为例, 直接搜索 Cudnn下载地址 有很多版本,选了个兼容Cuda 11.2,因为前面高版本出错问题多的缘故,最终选择出现早的版本 下载完后解压会发现Cudnn里面其实就是三个文件夹,复制他们(bin+include+lib),然后进入cuda安装位置(由于默认安装位置,在C盘),右键黏贴进行替换。 把Cudnn下好的三个文件替换cuda\v11.2下的三个同名文件即可完成。
为True代表成功了,也即GPU可加速。 如果为False,在前面安装过程无误的前提下,可以参考下面的方式: ①上述操作后还是False,可以试着重启电脑。有时候一些配置重启后才能有效。——遇到一次重启解决的 ②Cudnn替换的过程注意最近文件操作的日期,因为电脑差异或者设置的问题,可能替换文件不会覆盖掉已存在的文件,所以可以试着删掉文件夹(备份当然是最稳妥的),再黏贴) 结果如下:测试成功 Tensorflow2.1、2.3 (Cuda和Cudnn版本通用) 安装项目版本Tensorflow(GPU)2.1.0 /2.3.0Cuda(GPU版本所需)10.1Cudnn(GPU版本所需)v7.6.5Keras2.3.1 |
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 |