python 深度学习环境安装(tensorflow-gpu)

文章目录

  • 一、安装Anaconda
    • 1.换源
    • 2.常用指令
  • 二、安装cuda和cudnn
    • 1.对应版本
    • 2.创建虚拟环境
    • 3.激活虚拟环境
    • 4.安装cuda
    • 4.安装cudnn
  • 三、安装tensorflow的GPU版本
    • 1.判断是否安装成功
  • 四、pycharm配置虚拟环境
    • 1.新建项目
    • 2.配置环境
    • 3.完成创建
  • 总结


一、安装Anaconda

本文主要通过Anaconda来配置深度学习环境。
可以通过Anaconda官网下载附链接:
https://www.anaconda.com/
判断是否安装成功win+r调出cmd
输入如下指令

conda -V

在这里插入图片描述
出现以上结果,表示安装成功。

1.换源

接下来我们要对Anaconda进行换源,Anaconda默认源下载比较慢,我们需要换清华源或者中科院源,以清华源为例,终端输入:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/simpleitk

判断是否换源成功,终端输入:

conda info

python 深度学习环境安装(tensorflow-gpu)_第1张图片
出现以上结果,表示换源成功。

2.常用指令

接下来是Anaconda常用的一些指令
查看已有的虚拟环境:

conda env list

新建虚拟环境

conda create --name 环境名

进入虚拟环境:

conda activate 环境名

退出虚拟环境:

conda deactivate

删除虚拟环境:

conda remove -n 环境名 --all

复制虚拟环境:

conda create -n conda-env2 --clone conda-env1

这里conda-env2是新创建的虚拟环境,conda-env1是被复制的虚拟环境,这个一定要注意。

二、安装cuda和cudnn

1.对应版本

在安装Tensorflow-gpu之前,我们需要按照以下表来安装cuda跟cudnn对应的版本,下面是cpu跟gpu对应的版本:
CPU
python 深度学习环境安装(tensorflow-gpu)_第2张图片
GPU
python 深度学习环境安装(tensorflow-gpu)_第3张图片
如果以上表格,找不到想要安装的版本,可以访问tensorflow官网进行查看,附链接:https://tensorflow.google.cn/install/source_windows#gpu

2.创建虚拟环境

首先,我们通过Anaconda来创建虚拟环境:

conda create -n csdn python=3.7

创建虚拟环境名称为csdn。
输出y完成创建
python 深度学习环境安装(tensorflow-gpu)_第4张图片
如图所示,完成创建
python 深度学习环境安装(tensorflow-gpu)_第5张图片

3.激活虚拟环境

activate csdn

如图所示,左侧显示虚拟环境名称。
在这里插入图片描述

4.安装cuda

conda install cudatoolkit=10.1

对应版本,根据需求进行修改。
输入y进行安装
python 深度学习环境安装(tensorflow-gpu)_第6张图片
如图所示,完成安装。
在这里插入图片描述

4.安装cudnn

conda install cudnn=7.6

输入y进行安装
python 深度学习环境安装(tensorflow-gpu)_第7张图片
如图所示,完成安装
python 深度学习环境安装(tensorflow-gpu)_第8张图片

三、安装tensorflow的GPU版本

pip install tensorflow-gpu==2.1.0

如图所示,正在进行安装
python 深度学习环境安装(tensorflow-gpu)_第9张图片
安装完成
python 深度学习环境安装(tensorflow-gpu)_第10张图片

1.判断是否安装成功

接下来进行测试,判断是否安装成功。
在虚拟环境中输入python进入python环境
然后输入import tensorflow as ts
如图所示
在这里插入图片描述
再次输入ts.test.is_gpu_available()
如图所示,为True表示安装成功。
在这里插入图片描述

四、pycharm配置虚拟环境

1.新建项目

python 深度学习环境安装(tensorflow-gpu)_第11张图片

2.配置环境

python 深度学习环境安装(tensorflow-gpu)_第12张图片

3.完成创建

python 深度学习环境安装(tensorflow-gpu)_第13张图片

总结

本文主要通过Anaconda来配置tensorflow-gpu环境,介绍了如何新建虚拟环境,下载cuda,cudnn,tensorflow-gpu,以及判断是否安装成功,最后介绍了在pycharm中新建项目来配置虚拟环境。

你可能感兴趣的:(python,tensorflow,深度学习)