前提条件:已经装好了anaconda3,CUDA和CUDNN,只针对TensorFlow本身的坑。
conda create -n tensorflow python=3.6
(后文我的环境叫mytensorflow是因为是第二次安装)conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
anaconda search -t conda tensorflow
会显示出目前可供选择的tensorflow版本,按平台选择版本anaconda show conda-forge/tensorflow
获取对应版本的安装命令conda-forge/tensorflow为选择的版本名称https://blog.csdn.net/oMoDao1/article/details/83241074#commentBox
这里面有很全的版本对应关系。
pip install tensorflow-gpu==1.10.0
import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')
b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')
with tf.device('/gpu:1'):
c = a + b
# 注意:allow_soft_placement=True表明:计算设备可自行选择,如果没有这个参数,会报错。
# 因为不是所有的操作都可以被放在GPU上,如果强行将无法放在GPU上的操作指定到GPU上,将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))
# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))
真正结果前有一堆东西是正常的,是对用到了哪块GPU的描述。(注意这里是pycharm里面的。)
然后一个在线编译的平台。
install jupyter
首先安装MinGW包:conda install mingw libpython
然后配置环境变量。在TensorFlow的虚拟环境下找。
然后安装theano(Theano是一个Python库,可以在CPU或GPU上运行快速数值计算。 这是Python深度学习中的一个关键基础库,你可以直接用它来创建深度学习模型或包装库,大大简化了程序。), 继续输入命令:pip install theano
完成后在python环境下>>>import theano
测试一下。
安装keras,在命令行输入:
pip install keras
