tensorflow环境配置/安装教程(windows) |
您所在的位置：网站首页 › 运行环境怎么安装 › tensorflow环境配置/安装教程(windows) |
tensorflow环境配置/安装教程(windows)
|
一、Tensorflow下载版本选择
Tensorflow支持多种操作系统，支持运行NVIDIA显卡上的GPU版本和仅使用CPU完成计算的CPU版本。 Tensorflow 1.x版本的cpu版本和gpu版本是分开的，需要分开下载，且1.x版本使用不方便，google已经停止更新1.x版本。 Tensorflow 2.x版本使用简洁，使用体验感好。 Tensorflow 2.10是最后一个在本地windows上支持GPU的版本。从2.11版本开始，需要在windows WLS2（适用于 Linux 的 Windows 子系统）上安装才能使用GPU。所以要在native-windows上使用GPU，就只能安装2.10.0版本及以下的版本，或者安装老版的tensorflow-gpu。 因此这里我选择tensorflow2.10.0的版本。 二、Tensor开发环境安装开发环境安装分为四个步骤：安装python解释器Anaconda、安装CUDA、安装cudnn、安装Tensorflow框架。 （1）安装python解释器Anaconda在Anaconda官网Free Download | Anaconda下载，这里不过多赘述，搜anaconda安装教程有很详细的操作步骤。 （2）安装CUDA （a）CUDA版本选择这里是大多数人容易出错的地方，要谨慎选择安装CUDA的版本。Tensorflow与Python、CUDA、cuDNN的版本是有对应关系的，如果版本不对应，Tensorflow就没法调用相应的CUDA，也就没办法调用GPU了。下面链接是Tensorflow和Python、CUDA、cuDNN的版本对应表，根据你的python版本选择下载即可。（注意：Tensorflow版本需要小于等于2.10.0） Tensorflow与Python、CUDA、cuDNN的版本对应表_tensorflow版本对应python3.11-CSDN博客
例如，我的python版本是3.9，为了和Tensorflow2.10.0版本对应，因此这里我选择下载CUDA11.2版本。 （b）CUDA软件安装在NVIDIA官网CUDA Toolkit Archive | NVIDIA Developer找到相应版本下载
依次选择Windows平台，x86_64架构，10系统，exe(local)本地安装包，再选择Download即可下载CUDA安装包。
下载完成后打开安装软件，单击custom按钮，在CUDA节点下取消勾选Visual Studio Integration；在Driver components节点下，比对目前计算机已经安装的显卡驱动Display Driver的版本号Current Version和CUDA自带的显卡驱动版本号New Version。如果Current Version大于等于New Version，则需要取消Display Driver的勾选，如果Current Version小于等于New Version，则默认勾选，设置完成后即可正常安装。
打开cmd命令行，输入nvcc -V，即可打印当前CUDA的版本信息，如果命令无法识别，则说明安装失败，此时需要卸载CUDA并重装。如果因为版本原因安装错误或者安装失败，可以查看这个教程CUDA卸载&&重装-CSDN博客进行卸载重装。 如果安装成功，可以在cmd中输入转盘命令到指定路径。 cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite然后输入下面命令验证带宽和可用的GPU设备。 bandwidthTest.exe deviceQuery.exe如果CUDA安装成功，将成功显示带宽和可用GPU，得到两个PASS。
安装完CUDA后，点击文件资源管理器，右击此电脑，点击属性，点击高级系统设置，来到系统属性界面。
点击环境变量 ，系统变量中将会自动生成CUDA_PATH和CUDA_PATH_V11_2。
在系统变量中点击PATH，路径中将自动包含以下两条置顶路径。
和CUDA版本的选择理由一样，为和CUDA11.2版本、python3.9版本、和Tensorflow 2.10.0版本匹配，这里选择cudnn 8.1版本。
在NVIDIA官网cuDNN Archive | NVIDIA Developer下载cudnn压缩包，如果是第一次下载需要注册并登录。
下载完成后，需要把cudnn中的三个文件复制到CUDA对应的文件夹中。
同样打开系统属性界面，点击环境变量，编辑系统变量中的PATH变量，添加两条路径include和bin，并分别置顶到第三第四的位置，如下所示。
cudnn的安装到这里就结束了。 (4) 安装Tensorflow （a）新建虚拟环境为了避免和其他库冲突，使用anaconda新建一个虚拟环境，否则容易下载失败。在PyCharm中新建项目，选择新conda环境。
首先打开Anaconda Prompt命令行，并激活刚才新建的虚拟环境。使用命令conda env list查看已有的虚拟环境，使用conda activate加虚拟环境的名称激活虚拟环境。
临时使用清华大学的镜像源，使用pip命令导入Tensorflow库，这里导入2.10.0版本。 pip install tensorflow==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple成功后，在PyCharm项目中查看Python解释器，可以看到已经安装好2.10.0版本的Tensorflow相关包。
在下载了Tensorflow的虚拟环境中新建项目，可以使用下述代码验证，代码参考了下面的博客。【tensorflow】为什么CUDA装好了，Tensorflow-GPU不能用？_安装了cuda却不调用gpu-CSDN博客 import tensorflow as tf if __name__ == '__main__': print(tf.__version__) # 查看tensorflow版本 print(tf.__path__) # 查看tensorflow安装路径 a = tf.test.is_built_with_cuda() # 判断CUDA是否可以用 b = tf.test.is_gpu_available( cuda_only=False, min_cuda_compute_capability=None ) # 判断GPU是否可以用 print(a) # 显示True表示CUDA可用 print(b) # 显示True表示GPU可用 # 查看驱动名称 if tf.test.gpu_device_name(): print('Default GPU Device: {}'.format(tf.test.gpu_device_name())) else: print("Please install GPU version of TF")如果返回两个True代表Tensorflow环境配置成功，可以成功调用GPU。
|
【本文地址】