pytorch以及tensorflow深度学习框架gpu版安装教程

1.GPU环境的配置

第一步安装cuda(例如:CUDA 10.0),特殊情况可能还要安装对应版本的Visual studio
具体可参考这篇博客:
https://blog.csdn.net/qq_36653505/article/details/81368346
第二步安装cudnn(例如cuDNN v7.3.1),cudnn是搭建深度学习模型的依赖,用于进行卷积等操作。下载对应版本的cudnn链接:https://developer.nvidia.com/rdp/cudnn-archive
pytorch以及tensorflow深度学习框架gpu版安装教程_第1张图片
第三步打开压缩包,依次将压缩包中的三个文件复制到相应位置
C:\cuda\bin\cudnn64_7.dll —> C:\Program Files\NVIDIA GPUComputing
Toolkit\CUDA\v10.0\bin
C:\cuda\include\cudnn.h —> C:\Program Files\NVIDIA GPUComputing
Toolkit\CUDA\v10.0\include
C:\cuda\lib\x64\cudnn.lib —> C:\Program Files\NVIDIA GPUComputing
Toolkit\CUDA\v10.0\lib\x64

2深度学习环境的安装

主要介绍基于深度学习工具Anaconda3的tensorflow-gpu和torch-gpu版本的安装流程。
第一步安装Anaconda3,官网下载地址:https://www.anaconda.com/products/individual
第二步配置环境前准备,为了提高下载速度,推荐使用国内镜像源(在c盘用户目录下找到.condarc文件,将其内容更换如下)
channels:

  • https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  • https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
  • https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  • https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  • https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  • https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  • https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  • https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    show_channel_urls: true
    第三步创建虚拟环境,打开Anaconda Prompt,为了避免产生深度学习环境的冲突,推荐创建虚拟环境,具体操作命令如下:
    创建虚拟环境:conda create -n tensorflow python=3.7 anaconda
    pytorch以及tensorflow深度学习框架gpu版安装教程_第2张图片
    最后的anaconda可加可不加,加入此命令选项,建立虚拟环境,也会同时安装其他python软件包,例如Jupyter Notebook、Numpy、Scipy、Matplotlib、Pandas这几个用于数据分析的软件包,如果没有加入此命令选项,就会建立一个空的虚拟环境,必须由用户自己再逐个安装其他软件包。

环境安装初始化完成,需要输入Y确认开始安装,安装需要等待一段时间。安装完成后屏幕显示界面如下:
pytorch以及tensorflow深度学习框架gpu版安装教程_第3张图片
第四步安装深度学习环境Pytorch,具体操作命令如下:
1.进入Anaconda Prompt激活虚拟环境:conda activate tensorflow
2.输入conda install pytorch torchvision cudatoolkit=10.0,安装过程需要等待一段时间。
3.界面显示成功安装后,进入编程环境输入命令(jupyter notebook),输入以下命令:
import torch
print(Torch.version)
print(torch.test.is_gpu_available())
成功输出版本号和True则表示Pytorch-gpu版安装成功

第五步安装深度学习框架tensorflow(基本操作步骤类似上一步),具体操作命令如下:
1.进入Anaconda Prompt激活虚拟环境:conda activate tensorflow
2.输入conda install tensorflow-gpu=1.14.0 cudatoolkit=10.0
3.界面显示成功安装后,进入编程环境输入命令(jupyter notebook),输入以下命令:
import tensorflow as tf
print(tf.version)
print(tf.test.is_gpu_available())
成功输出版本号和True则表示tensorflow-gpu版安装成功

你可能感兴趣的:(tensorflow,深度学习,pytorch,人工智能)