深度学习环境配置:tensorflow-gpu + keras

深度学习环境配置:tensorflow-gpu + keras

  • 环境:Windows10 + GTX1060 + cuda10.1 + cudnn7.6.5 + tensorflow-gpu2.3.1 + keras2.4.3
  • 使用miniconda配置这一套环境,使用Anaconda配置步骤一样
  • 下面要解决如下问题:

(1)cuda存在很多版本,那么我们应该选择哪个版本下载呢?

(2)cudnn有很多版本,又该如何选择?

(3)我们应该选择安装那个版本的tensorflow-gpu?

(4)我们应该选择安装那个版本的keras?

步骤一:配置显卡GPU运行环境

  • 如果想要我们的电脑可以在显卡(我的电脑是NVIDIA的显卡,关于AMD的显卡我没有配置过)上运行深度学习程序,必须在电脑上安装 CUDA( CUDA是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题)和 cudnn(cudnn是用于深度神经网络的GPU加速库)。安装顺序:先安装cuda,后安装cudnn。

  • 下载cuda和cudnn都是去NVIDIA官网下载,前提是要注册NVIDIA账号。cuda各版本下载地址、cudnn下载地址

  • cuda存在很多版本,那么我们应该选择哪个版本下载呢?这和我们显卡驱动的版本有关系。

深度学习环境配置:tensorflow-gpu + keras_第1张图片

(1)第一步:查看我们显卡驱动的版本,有两种方式。

方式一:通过NVIDIA控制面板查看

深度学习环境配置:tensorflow-gpu + keras_第2张图片

方式二:通过cmd命令行

nvidia-smi

深度学习环境配置:tensorflow-gpu + keras_第3张图片

(2)根据显卡版本驱动,到如下网站查找可以安装的cuda版本:显卡对应的cuda版本。如下是对应关系表(截图时间:2021年2月2号)。

深度学习环境配置:tensorflow-gpu + keras_第4张图片

(3)在官网下载CUDA(cuda各版本下载地址)安装即可,安装后在cmd中输入如下命令查看是否安装成功

nvcc -V

深度学习环境配置:tensorflow-gpu + keras_第5张图片

另外指的注意的是cuda的默认安装位置为:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1,这个位置马上安装cudnn时需要用到。

(4)到目前位置我们已经安装好cuda,但是仅此我们还不能在GPU上运行深度学习库,下面我们还要安装NVIDIA专门为深度学习开发的库cudnn。首先在官网下载cudnn(cudnn下载地址),这里又牵涉到一个问题:cudnn有很多版本,又该如何选择?cudnn的版本是依赖刚才安装的CUDA版本的,我们可以到如下网站查找可以安装的cudnn版本:cudnn和CUDA的版本对应关系。如下是对应关系(截图时间:2021年2月2号)。

深度学习环境配置:tensorflow-gpu + keras_第6张图片

(5)下载完成cudnn之后,这是一个压缩包,解压后得到一个文件夹,进入该文件夹,全选里面的内容,复制。如下图是解压后需要复制的内容:

深度学习环境配置:tensorflow-gpu + keras_第7张图片

(6)打开CUDA的安装位置(默认位置:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1),将第(5)中复制的内容拷贝到CUDA的安装位置,如果有文件冲突,选择覆盖原来的文件即可。至此显卡GPU运行环境配置完毕。

步骤二:配置tensorflow-gpu和keras

  • 这里使用miniconda(或者Anaconda)的命令行工具配置一套虚拟环境,关于如何配置该命令行的使用,可以参照:Anaconda软件安装和使用。

  • tensorflow-gpu版本的安装(不需要提前安装tensorflow的cpu版本),需要CUDA和cudnn的支持,tensorflow-gpu存在很多版本,那么现在又出现同样的问题,我们应该选择安装那个版本的tensorflow-gpu? 我们可以在这个网址查看tensorflow-gpu和 CUDA、cudnn的版本对应关系:tensorflow-gpu和 CUDA、cudnn的版本对应关系。如下是对应关系表(截图时间:2021年2月2号)。

深度学习环境配置:tensorflow-gpu + keras_第8张图片

关于MSVC的支持:

深度学习环境配置:tensorflow-gpu + keras_第9张图片

  • 解决了tensorflow-gpu和 CUDA、cudnn的版本对应关系之后,现在有出现一个问题?我们应该选择安装那个版本的keras? 这里keras官方并没有给出keras和tensorflow-gpu的对应关系(至少我没找到),但是可以参考如下网站给出的对应关系:keras和tensorflow的对应关系。不按照这个对应关系安装可能也能成功运行,也可能不成功。如下是对应关系表(截图时间:2021年2月2号)。

深度学习环境配置:tensorflow-gpu + keras_第10张图片

使用conda演示安装tensorflow-gpu + keras

1 配置conda国内镜像源

  • 这个步骤也可以不做,这一步是为了加速下载的

在个人用户文件夹下(我的电脑中对应位置:C:\Users\WXX)新建.condarc文件,文件中添加如下内容:

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
show_channel_urls: true

参考网址:关于使用anaconda出现CondaHTTPError问题的解决

另外也可以换成中科大的源。

2 配置pip国内镜像源

  • 这个步骤也可以不做,这一步是为了加速下载的

在个人用户文件夹下(我的电脑中对应位置:C:\Users\WXX)新建pip文件夹,在文件夹中新建pip.ini,在该文件中添加如下内容:

[global]
index-url = https://pypi.mirrors.ustc.edu.cn/simple/
[install]
use-mirrors =true
mirrors =https://pypi.mirrors.ustc.edu.cn/simple/
trusted-host =pypi.mirrors.ustc.edu.cn/simple/

参考网址:pip下载加速

3 安装环境

conda create -n kr243 python=3.6.5
conda activate kr243
pip install tensorflow-gpu==2.3.1
pip install keras==2.4.3

4 测试结果

使用如下代码测试是否可以使用GPU加速:

# coding=utf-8
import tensorflow as tf

print(tf.__version__)
print('GPU', tf.test.is_gpu_available())

深度学习环境配置:tensorflow-gpu + keras_第11张图片

你可能感兴趣的:(软件安装配置及使用,深度学习,tensorflow,anaconda)