Windows10+anaconda下tensorflow GPU版本的安装 |
您所在的位置:网站首页 › 清华源安装tensorflow › Windows10+anaconda下tensorflow GPU版本的安装 |
这是一篇非常简洁的tensorflow GPU安装方式,不需要下载软件自己去配置。 需要如下几个步骤: 一.anaconda更换清华源 二.安装tensorflow GPU版本 三.测试是否安装成功 一、anaconda更换清华源首先,我们把anaconda的下载源更换为清华源,这样加速后续安装的下载速度,打开清华源网站anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror,按照该网站上的指示,对于Windows系统,首先在anaconda中base环境下运行命令 conda config --set show_channel_urls yes你会发现在你的用户名对应的目录下会生成一个.condarc文件,如图所示 图1 .condarc文件位置用记事本打开该文件,并把清华源网站中的内容复制进去,保存退出 图2 红框中内容复制进.condarc文件anaconda中base环境下运行命令 conda clean -i清华源更换完成 二、安装tensorflow GPU版本网上很多教程都说需要单独下载cuda和cudnn并进行安装,这种方法确实可以,但是这样容易出现版本不匹配问题,举个例子,如果把cuda和cudnn下载下来并进行安装,在程序员的电脑中,可能存在多个深度学习框架(如tensorflow和pytorch),这样tensorflow和pytorch就要共用单独下载好的cuda和cudnn,需要保证tensorflow与pytorch的版本均与单独下载的cuda和cudnn匹配,如果有一天,我想更新pytorch版本,则对应的cuda和cudnn版本就要更新,那么因为cuda和cudnn版本更新,导致tensorflow 的版本也必须更新,这就把多个深度学习框架的版本捆绑在一起了,非常不方便。 因此我们充分利用anaconda的优势,anaconda最大的优势就是对于虚拟环境的管理与使用,因此我们只需要在anaconda中创建虚拟环境并在该环境中安装cuda和cudnn包就可以了。 首先创建新环境(这里我创建一个名为tf的环境) conda create -n tf python=3.8创建完毕后激活 conda activate tf在该环境中,安装cudatoolkit与cudnn,执行以下命令 conda install cudatoolkit=10.1 conda install cudnn=7.6.5这里要非常注意,经Index of /anaconda/pkgs/main/win-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror网站查询,conda命令中安装的cudnn版本只能为以下版本 图3 conda可安装的cudnn版本同时查阅tensorflow官网给出的tensorflow与cuda、cudnn的对应关系(经实际测试tensorflow2.4.0与cudnn8.2.1,cuda11.0也可完美适应,另外对于rtx3开头的gpu(如3060),cudnn7版本与其不太适配,运行代码需要启动很久,建议装tensorflow2.4.0与cudnn8.2.1、cuda11.0) 图4 tensorflow与cuda、cudnn对应关系对比图3与图4,因此我们选择安装cudnn7.6版本中最新的7.6.5版本,cuda安装10.1版本,tensorflow安装2.3.0版本。 接下来安装tensorflow2.3版本(使用豆瓣pip源,下载快) pip install tensorflow==2.3.0 -i https://pypi.douban.com/simple/这里的tensorflow=2.3.0,已经包括了CPU和GPU版本 至此,tensorflow GPU版本安装完毕 三、测试是否安装成功激活并进入创建的tf环境, 执行以下代码 import tensorflow as tf print('tensorflow version:{}'.format(tf.__version__))输出为tensorflow版本(2.3.0) 检查GPU版本是否可用,执行以下代码 tf.test.is_gpu_available()输出为True,表安装成功 注意:如果安装的是tf2.4.0版本,运行代码可能会出现: Not creating XLA devices, tf_xla_enable_xla_devices not set 其实这是由于Tensorflow 2.4版本新特性所致,可以直接忽略,看看2.4版本的release就一目了然,并不是很多博客说的版本对应问题,回退到老版本治标不治本。如果需要用XLA,添加TF_XLA_FLAGS=–tf_xla_enable_xla_devices即可解决该warning。 默认情况下,不再注册XLA:CPU和XLA:GPU设备。 TF_XLA_FLAGS=--tf_xla_enable_xla_devices 如果确实需要它们,请使用此flag,但是此flag最终将在后续版本中删除。 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |