在win10上配置运行Faster-RCNN的环境

本方法简单明了,根本无需去查什么tensorflow和cudnn及condatoolkit版本之间的关系。步骤如下:

  1. 首先安装anaconda,安装方法略
  2. 启动anaconda prompt,
  3. 输入conda help查看命令帮助,然后新建一个环境,使用的命令为:conda create -n py35-tf python=3.5,这样就创建了个基于python3.5名为py35-tf的环境。因为Faster-RCNN是在python35下运行的,所以必须是python3.5
  4. 查看所有的环境,可以看出系统中有两个环境。

在win10上配置运行Faster-RCNN的环境_第1张图片

5.激活新建的环境py35-tf。

6.(可选),添加国内安装频道

7. 搜索tensorflow版本

在win10上配置运行Faster-RCNN的环境_第2张图片

8. 注意到上图中倒数第二行就是我们所需要的版本(1.9.0 gpu_py35h0075c17_1),其中的py35字样表示它对应于python3.5,使用如下命令安装它:conda install tensorflow-gpu=1.9.0,在这一步中,conda将会自动安装或更新相应的cudnncondatoolkit。下面截图是本人安装完毕之后的显示结果。在win10上配置运行Faster-RCNN的环境_第3张图片

另外需要注意的安装之前最好更新显卡驱动,避免显卡驱动无法支持cudnn的情况。下图显示的是本人安装成功后的显卡驱动版本和cudnn及cudatoolkit版本。

在win10上配置运行Faster-RCNN的环境_第4张图片

9. 打开Faster-RCNN-TensorFlow-Python3.5-master目录下的demo.py文件,找到其中的tfconfig = tf.ConfigProto(allow_soft_placement=True),更改为tfconfig = tf.ConfigProto( allow_soft_placement=True,  log_device_placement=True)。这样运行时它就会输出tensorflow的设备分配信息,如果看到其中的gpu字样,就成功了。

在win10上配置运行Faster-RCNN的环境_第5张图片

你可能感兴趣的:(机器学习)