【深度学习实践（一）】安装TensorFlow

活动地址：CSDN21天学习挑战赛

学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩；迟一天就多一天平庸的困扰。

【深度学习实践（一）】安装TensorFlow

1安装Anaconda

• 进入官网（由于网速问题，建议去镜站下载）

  点击这里到清华镜像站下载，不用选择最新版（不太稳定），选择前排的版本即可

• 然后一路傻瓜式安装操作

  这里记得更改一下安装路径，因为后期创建的虚拟环境都会在这里，如果安装在C盘，则容易造成堵塞

• 测试

  只要是安装与配置，那必离不开测试：

  conda —version查看版本

2安装cuda与cudnn

2.1安装Cuda

• 查看电脑驱动

  

  这里使用nvidia-smi命令可以查看自己电脑的显卡驱动版本,另外需要补充的一点是,显卡必须是英伟达家(即所谓的N卡)的才可以使用Cuda并行计算框架,本人使用拯救者R7000P使用的GTX2060即是英伟达家的显卡

• 根据驱动下载相应的Cuda安装包.

  根据官方给出的数据显示

  

  我可以下载11.5的版本

那么直接下载即可

• 运行安装程序

这里推荐使用自定义下载，可以配置下载路径

2.2 安装Cudnn

• 进入官网下载相应版本的Cudnn

  在这里的版本需要根据你的cuda的版本来进行相应的匹配，在官方文档中有详细的说明。请看下图，在我的电脑中，我的安装的是11.5版本的，所以说我在这里需要下载8.4版本的cudnn

  

  点击下载后会让你填写一个问卷调查，按不就班的填一下就好了

  

• 这里有指出8.4版本正好对应11.x

windows操作系统，自然选择下载zip文件

• 安装与配置

  将下载好的文件包解压后，将里面的三个文件复制到cuda的对应文件中：

  

• 测试

  进入demo_suite运行deviceQuery.exe看是否成功

  

3 使用Anaconda安装TensorFlow

使用Anaconda安装TensorFlow 的 GPU版本，并配置相应的运行环境

• 安装好后直接在Pycharm中使用该环境，测试如下：

  • 可以查看一下是用的GPU版本还是CPU版本

    import tensorflow as tf
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
    c = tf.matmul(a, b)
    sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
    print(sess.run(c))
    
    

  • 注意这种检验方法是原来tf1版本的，现在使用tf2，需要设置一下才可以正常使用，否则会报错

    import tensorflow as tf
    tf.compat.v1.disable_eager_execution()
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
    c = tf.matmul(a, b)
    sess = tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True))
    print(sess.run(c))
    
    

  • 由此可以看出，我的是GPU