tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装

        之前安装了tensorflow2.4版本,但是因为和1.x的部分代码不兼容,卸载了2.4版本,重新安装了1.14版本,但是安装错误ImportError: No module named tensorflow,发现是tensorflow1.14和之前装的CUDA11.0版本不对应,卸载了2.x再装1.x以后再装2.x太麻烦了,所以打算同时安装tensorflow 1.14和2. 版本

一、安装tensorflow-gpu1.14.0+python3.6.9+CUDA10.0+cudnn7.4

1. 安装CUDA10.0+cudnn7.4

复制下面链接到迅雷下载或者直接复制地址在网页里面打开:

CUDA10.0:https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda_10.0.130_411.31_win10

下载完成CUDA10.0后进行安装:

tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第1张图片

 tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第2张图片

选中自定义安装,然后一直下一步,直到结束

 tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第3张图片

 配置环境变量:

检查系统变量Path里有没有这一条C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin,没有的话添加进去

tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第4张图片

再检查下面的框是否有这两条:

tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第5张图片

CUDA_PATH                   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

CUDA_PATH_V10_0      C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

没有的话添加进去

nvcc -V验证一下是否已经装好。

tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第6张图片

出现上图说明CUDA已经安装好

cudnn 7.4:

https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.4.1.5/prod/10.0_20181108/cudnn-10.0-windows10-x64-v7.4.1.5.zip

官网可能需要注册账号下载,不过注册很简单,按要求来就行

下载好压缩包解压缩,把里面的3个文件夹:

 复制到CUDA的文件夹下:

tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第7张图片

 直接覆盖就行

然后在系统环境变量的Path中,加以下路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64

 这样就把cudnn也弄好了

2.使用anaconda创建虚拟环境

打开anaconda prompt

conda create -n tf1 python=3.6.9  (tf1是自己起的环境名,可以改成自己喜欢的)

 按y安装完会出现下图:(应该是tf1,这是创建tf2环境时截的图)

tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第8张图片

 根据提示,

输入conda activate tf1 激活环境

(提示的第二个conda deactivate 是退出激活的环境)

tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第9张图片

 出现红框标的环境名,证明环境创建激活成功。

接着进行下面两步:

conda install jupyter notebook    # 安装ipykernel模块

python -m ipykernel install --user --name tf1 --display-name "tf1 # 进行配置

完成以后会发现已经可以在jupyter notebook里使用:

tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第10张图片

3. 安装tensorflow-gpu1.14到“tf1”环境里

pip install tensorflow-gpu==1.14.0

安装完成后,检查是否成功:

 或者打开jupyter notebook检查:

import tensorflow as tf

print('Tensorflow Version:{}'.format(tf.__version__))
print(tf.test.is_gpu_available())

tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第11张图片

到这里tensorflow 1.14就安装完成了

二、安装tensorflow-gpu2.4.0+python3.6.9+CUDA11.0+cudnn8.0

步骤和安装1.0几乎一样

1.安装CUDA11.0+cudnn8.0

流程和一相同

配置环境时改一下版本号就可以

2.用anaconda创建虚拟环境tf2

conda create -n tf2 python=3.6.9   # 创建一个python3的环境,名为tf2

conda activate tf2       # 激活tf2环境

conda install jupyter notebook     #安装ipykernel模块

python -m ipykernel install --user --name tf2 --display-name "tf2"     #进行配置

完成以后会发现已经可以在jupyter notebook里使用:

tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第12张图片

3.安装tensorflow-gpu2.4到“tf2”环境里

pip install tensorflow-gpu==2.4.0

tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第13张图片

检查是否安装成功:

三、切换tf1和tf2环境

更改系统环境变量,CUDA_PATH的v10.0/v11.0即可

tensorflow-gpu1.14和tensorflow-gpu2.4版本同时安装_第14张图片

用tf1就改成v10.0;用tf2就改成v11.0。 

四、有可能出现numpy版本不对应问题

报错:AttributeError: module 'numpy' has no attribute 'integer',解决如下:

卸载当前numpy

pip uninstall numpy

下载对应版本1.16.0

pip install -U numpy=1.16.0  (对应tensorflow1.14版本)

你可能感兴趣的:(tensorflow,深度学习,python)