Tensorflow | 您所在的位置:网站首页 › 下载tensorflow包 › Tensorflow |
Tensorflow-gpu 保姆级安装教程(Win11, Anaconda3,Python3.9)
前言Tensorflow-gpu版本安装的准备工作(一)、查看电脑的显卡:(二) 、Anaconda的安装(三)、cuda下载和安装(四)、cudnn下载安装(五)、配置环境变量(六)、创建 tensorflow 环境(七)、测试 Tensorflow-gpu 是否安装成功卸载重装
前言
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。 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,(如果安装CPU版本请参考网上其他教程!) GPU版本,需要提前下载 cuda 和 cuDNN。(本文为GPU版本安装教程。) Tensorflow-gpu版本安装的准备工作重要的事说三遍: 安装前 一定 要查看自己电脑的环境配置,然后查询Tensorflow-gpu、Python、 cuda 、 cuDNN 版本关系,要 一 一对应! 安装前 一定 要查看自己电脑的环境配置,然后查询Tensorflow-gpu、Python、 cuda 、 cuDNN 版本关系,要 一 一对应! 安装前 一定 要查看自己电脑的环境配置,然后查询Tensorflow-gpu、Python、 cuda 、 cuDNN 版本关系,要 一 一对应! Tensorflow-gpu 与 Python、 cuda、cuDNN 版本关系查询 我的安装环境为: 操作系统显卡Pythonwin11NVIDIA GeForce RTX20503.9.13我的tensorflow-gpu 安装版本为: tensorflow-gpucudacuDNNtensorflow-gpu 2.7.0cuda 11.5.2cuDNN 8.3.2注: 我这个对应关系是在网上查询别人安装成功的案例,不要自己随意组合,不然很容易安装失败,或者就按官网查询的组合安装,安装过程是一样的! (一)、查看电脑的显卡:1)、右键此电脑→右键选管理→设备管理器→显示适配器 主要看独显:GeForce RTX 2050 可以看到点击出现了NVIDIA GeForce ...,即你的电脑显卡型号。 如果有出现,那就表示可以使用Tensorflow-gpu版本,如果没有的就只能老老实实安装CPU版咯。然后可以去NIVIDIA官网查询一下自己电脑显卡的算力:https://developer.nvidia.com/cuda-gpus,建议算力>=3.5安装。我的型号没有查到,NVIDIA近几年显卡的算力一般是够的。 2)、右键显卡→属性→驱动程序,可以查看显卡的驱动程序: 3)、查看GPU驱动版本,也就是我们“CUDA Version”,Windows 11 版本中一般是12.0版本,键盘上同时按win +r,输入cmd,打开命令窗口,在命令窗口输入: nvidia-smi安装tensorflow提前安装好Anaconda。这里我也不重点介绍了,我之前也重点详细地写过相关文章: Anaconda安装-超详细版(2023) Anaconda安装成功后,进入下面tensorflow的安装! 后面tensorflow的安装可成三步: cuda的安装cuDNN的神经网络加速库安装配置环境变量 (三)、cuda下载和安装下载cuda和cuDNN。在官网上下载对应的cuda和cuDNN,版本可以低于上面查到的CUDA版本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。1)、下载: 我下载的是CUDA Toolkit 11.5.2, 点击前面的 CUDA Toolkit 11.5.2 选择相应的系统、版本等选项,点击Download下载: a、 双击安装包,此时会出现一个提示框,让你选择临时解压位置(该位置的内容在你安装完cuda之后会自动删除),这里默认即可,点击ok。 b、点击同意并继续: c、完成上一步后,选择自定义,然后点下一步: d、完成上一步,这里CUDA一定要勾选上,下面的可选可不选,对后续没有影响。 在组件CUDA一栏中,取消勾选Visual Studio Integration(因为我们并没有使用Visual Stduio环境,即使勾选上了也会安装失败)e、这个安装位置可以自己改。要截图记录一下你装到哪里了,后面要用到!我选择了默认安装位置。 f、正在安装 g、安装成功! 点击关闭即可! 检查环境变量: 完成安装后,检查一下环境变量是否存在,一般安装完成会自动配置好环境变量,若是没有,则需手动配置,具体过程如下。 打开 电脑属性,找到 高级系统设置,选择 环境变量 打开。 查看是否有以下系统变量,没有则需要自行添加,对应图片上的名称和值,配置你电脑CUDA安装所在的位置。 配置好环境变量后,我们检查下CUDA是否安装成功。 打开cmd,输入以下命令查看CUDA是否安装成功(二选一) 如果不能显示以下信息,则说明安装失败。 nvcc -V nvcc --versionCUDA的安装就结束了,接下来下载解压cuDNN文件。 (四)、cudnn下载安装CUDA并不是实现GPU的神经网络加速库,如果希望针对的是神经网络进行加速,我们还需要安装cuDNN神经网络加速库。 cuDNN并非是应用程序,而是几个文件包,下载后把它复制到CUDA 的目录下即可。 下载地址:cuDNN Archive | NVIDIA Developer。 第一次单击下载时,会让你先注册登录,然后再进行下载,注册过程认真填写内容就没问题,此处略过,接下来进入下载环节。 1)、下载: 下载对应版本的cuDNN。这里选择的是cuDNN v8.3.2 for CUDA 11.5。 ![]() 3)、教程的这一步要格外注意! 要将cudnn文件中的对应文件夹下的所有文件复制 到对应的安装目录中,而 不是 把cudnn文件中的文件夹复制过去。eg:复制的不是cudnn中的bin文件夹,而是bin文件夹下的所有文件。(有重复的文件是正常的,覆盖掉就好!)
添加好后是这样的: 2)、配置好环境后,我们需要验证环境变量是否配置成功: 打开cmd,进入自己CUDA的安装下路径...\CUDA\v11.5\extras\demo_suite:,我是默认路径,所以我的是: cd \Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\extras\demo_suite然后分别执行以下两个命令: .\bandwidthTest.exe .\deviceQuery.exe
如果Result都为PASS的话则配置成功! 3)、都安装好之后,我们可以继续输入nvidia-smi查看CUDA的信息,然后根据安装版本的信息再去实现其他的库(环境)安装和使用! nvidia-smi如图所示,可以看到驱动的版本是527.41;最高支持的CUDA版本是12.0版本。 (六)、创建 tensorflow 环境我这里是使用Anaconda(如果选择这一步,就不需要额外下载python,以及各种常用工具包,它会打包下载好) 1)、打开anaconda prompt 2)、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,如果默认创建,会在C盘! w11下载anaconda在d盘,新建的虚拟环境总是在c盘怎么解决 conda create -n tensorflow python=3.93)、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)。 conda env list4)、进入环境,输入命令:activate tensorflow,就可以进入tensorflow环境中 conda activate tensorflow如果要退出环境,输入: conda deactivate5)、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。 d: cd \WorkSoftware\Install\Anaconda3\envs\tensorflow\6)、 安装指定版本的tensorflow-gpu,,我安装的是2.7.0,根据你自己的配套版本安装,输入命令: pip install tensorflow-gpu==2.7.0 -i https://pypi.mirrors.ustc.edu.cn/simple
7)、打开python环境,导入tensorflow包进行测试 ,查看tensorflow的版本信息, 输入命令: import tensorflow as tf 如果导入包有以下报错(没有报错请忽略!): (tensorflow) C:\Users\Rmzh>python Python 3.9.16 | packaged by conda-forge | (main, Feb 1 2023, 21:28:38) [MSC v.1929 64 bit (AMD64)] on win32 Type "help", "copyright", "credits" or "license" for more information. >>> import tensorflow as tf Traceback (most recent call last): File "", line 1, in File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\__init__.py", line 41, in from tensorflow.python.tools import module_util as _module_util File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\__init__.py", line 41, in from tensorflow.python.eager import context File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\eager\context.py", line 33, in from tensorflow.core.framework import function_pb2 File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\core\framework\function_pb2.py", line 16, in from tensorflow.core.framework import attr_value_pb2 as tensorflow_dot_core_dot_framework_dot_attr__value__pb2 File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\core\framework\attr_value_pb2.py", line 16, in from tensorflow.core.framework import tensor_pb2 as tensorflow_dot_core_dot_framework_dot_tensor__pb2 File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\core\framework\tensor_pb2.py", line 16, in from tensorflow.core.framework import resource_handle_pb2 as tensorflow_dot_core_dot_framework_dot_resource__handle__pb2 File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\core\framework\resource_handle_pb2.py", line 16, in from tensorflow.core.framework import tensor_shape_pb2 as tensorflow_dot_core_dot_framework_dot_tensor__shape__pb2 File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\core\framework\tensor_shape_pb2.py", line 36, in _descriptor.FieldDescriptor( File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\google\protobuf\descriptor.py", line 561, in __new__ _message.Message._CheckCalledFromGeneratedFile() TypeError: Descriptors cannot not be created directly. If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.If you cannot immediately regenerate your protos, some other possible workarounds are: 1. Downgrade the protobuf package to 3.20.x or lower. 2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower). More information: https://developers.google.com/protocol-buffers/docs/news/2022-05-06#python-updates 解决上述报错,输入exit()退出python环境导入以下包: pip install protobuf==3.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn然后重新进入python 环境,查看tensorflow的版本信息, 输入命令: import tensorflow as tf tf.__version__退出tensorflow环境: conda deactivate
如果安装出错可以卸载重装: tensorflow-gpu卸载 注:个人安装过程,仅供学习参考,如有不足,欢迎指正! |
CopyRight 2018-2019 实验室设备网 版权所有 |