R语言深度学习GPU版本的下载

R语言深度学习GPU版本的环境搭建

---

前言

1.记录一下如何在R语言上安装GPU，之前安装过很几次都失败了，这一次终于成功了。主要原因是把问题分开想了，直接输入R语言GPU教程的资源很少，偶尔有也是要CSDN会员下载，要不就不是很详细。其实把这个问题分开，（1）分成在Python里布置好tensorflow。（2）可以使用GPU的工具。（3）之后再R语言调用，分成三部分去查资料就会好一些。我尽量把所有的链接都找好。
2.本文仅做参考使用。CPU运行速度太慢了，所以决定安装GPU版本，已经在笔记本上安装好了并且可以使用，决定在实验室电脑上安装一下，并且记录一下，有关R的中文的教学没有Python那么多，希望可以对以后想用R语言进行深度学习的人有点帮助。
3.另外，安装GPU版本和CPU相似，只是多了一个配置GPU的问题，如果已经有了CPU的安装经验，可以用相同的方式去安装GPU。教程可以查看关于anaconda3的教程，最后去tensorflow with R ，查看一下如何调用就可以了。
4.本人此教程仅限于只是用GPU版本，就是之前有CPU版本，我当时没有成功的同时安装两个版本，所以直接卸载掉了CPU版本。或者可以把CPU和GPU放在两个anaconda环境里面。
5.我的版本：win10，GPU：quadro M2000 R：4.0.0左右。 安装的tensorflow为2.2.0. 其实想用以前版本的，以前版本的代码多一些，但是没有成功，所以还是改回了2.2.0
6.插一句，今天帮别人安装了一下GPU的环境，依旧是一堆问题，所以更新一下（21-4-8），如果在看到本文章前已经尝试了很多办法，那么会遇到些问题，就是重复安装的问题一堆软件或者环境的问题。
可以卸载掉再重新看此博文。主要的重复安装包括虚拟环境、额外的python，和R语言的miniconda。R语言的miniconda我不是很懂没用，直接找到路劲就删掉了，这些都挺影响安装的。
7.如果实在不行卸载，再继续安装，分成三步就可以了GPU配置、tensorflow、R语言。
8.应该是可以CPU和GPU两个版本使用的，但是我还没试，有一个代码叫做use_condaenv(),可以进行选择虚拟环境。在reticulate、keras、tensorflow里面都有这个函数，不知道调用的哪个？包

---

一、在R上运行GPU版本的deep learning的必须条件

1.首先你得拥有一块能够训练深度学习的GPU。
2.下载对应版本的CUDNN和CUDA。CUDA和CUDNN相当于一个调用工具GPU运行的一个工具（我是这么理解的，想要深入了解还得百度去）。以上就是GPU的准备工作。
3.R语言
4.anaconda3 或 python，这里我是使用anaconda3的。tensorflow会在anaconda3里面去安装。

二、GPU部分的安装

1.查看GPU是否可以运行深度学习

1.查看显卡是否可以运行GPU，大部分其实都可以。具体方法如下：
查看显卡 ：在桌面上点击‘我的电脑’ 右键，选择属性
选择设备管理器：往下拉找到‘显示适配器’点击，会出现显卡信息
这里显示我是NVIDIA Quadro M2000。
其次查看是否能运行GPU。查看方式https://developer.nvidia.com/cuda-gpus.
。你是哪个系列的显卡，就点哪个。大部分的人都是GeForce 的显卡，而我所在实验室是第二个。

点开之后，你的显卡在上面就可以了。
M2000在上面。

2.CUDA和tensorflow版本对应问题及查询官网链接

这里显卡确定可以运行深度学习，之后要配置CUDA和CUDNN。这里要注意，CUDA、CUDNN和tensorflow之间的版本要对应。也就是说要下载对应版本的，如果版本不对应是无法运行的。
tensorflow截止目前已经更新到了2.30左右。2.0版本以后的内容和以前的版本应该差别很大（盲猜加听说，我也没用过）。我在2.2版本运行以前的代码（tensorflow with R上面的代码）有一些就运行不了，而且会出现bug（报错是一方面，还有一部分是Keras包的问题，太复杂了我管不了），这也是为什么要在实验室版本重新安装的原因之一。所以我选择以前版本的，目前定个1.14吧。
下一步找到与之对应版本的CUDA、CUDNN。网页https://www.tensorflow.org/install/source_windows.找到里面的WINDOWs安装如图：

3.CUDA及CUDA历史版本下载的官网

说句实话，我感觉tensorflow文档很久没更新的样子了。不过没关系，cuDNN和CUDA版本 找到了。
我以前安装的是cuDNN7.4 和cuda10.1,cuda差了一点点，个人感觉问题不大，所以直接从另一个电脑copy一下。https://www.jianguoyun.com/p/DdnPxgYQqe7OCBipirYD.这是坚果云的分享，需要注册可以提取（非广告）。插一句话，今天看见坚果云里面下载的文件格式不对，右键文件-属性，找到名字那里，把后缀改成.exe就可以正常使用了。百度云盘分享实在太。。。还要先上传才可以。当然如果不行就去官网找，历代版本的官网链接https://developer.nvidia.com/cuda-toolkit-archive选择适合你的版本。

选择几个适合你的选项之后点击download就可以了。exe（network） 和exe（local）我选择local，因为网络版好像是在安装的时候要下载（具体区别我不知道），那个速度实在太慢了。本地版可以用迅雷下载快很多。
下载完一路安装就可以了。
这一步可以选择（据说）自定义安装，把visual studio inte…去掉，详情参见（https://blog.csdn.net/XCCCCZ/article/details/80385448），当然我选择精简安装了。

安装之后竟然自动重启了=

4. cuDNN及cuDNN历史版本下载的官网

之后是cuDNN，这个去官网比较麻烦，第一次进入还要注册，之后要回答问题（手动狗头）。如果不想去官网，7.4版本和7.6版本在里面有https://www.jianguoyun.com/p/DdnPxgYQqe7OCBipirYD.，就是上面那个坚果云的分享，里面有两个cuDNN，选的时候看着点哪个是7.4的。历史版本的链接https://developer.nvidia.com/rdp/form/cudnn-download-survey.第一次进入的是这个网址了，如果前三个没有你要版本，下面 ： archived cuDNN Release 点开会有其他的版本
点开之后
选择你要下载的版本，我对应的是第二个。
在C盘新建个文件夹“tools”，将cuDNN解压到里面
解压完

5. cuDNN和CUDA路劲设置

到这里gpu多用的全部组件（姑且称他们为组件吧）全部搞好了，要把他两放到路劲里，让电脑知道了有这么两个东西了，以后就可以自动用了。这一步叫做添加路劲。
方法如下。
右键“我的电脑”，选择“高级系统设置”，
点击环境变量，下半部分的Path（系统变量里的）

下半部分的Path（系统变量里的）

​进入“环境变量”

进入“Path”，新建添加"c:\tools\cuda\bin"与”C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin”后点击确认(实际上我的第二个环境是电脑自动添加的，这里用的其他博主的
http://blog.sina.com.cn/s/blog_14935c5880102wu86.html.

这一步之后有关于GPU的问题全部搞定。之后是tensorflow 和R。从这里开始其实和CPU安装很像。就是CPU版本安装改个名字。

三、anaconda3 与TENSORFLOW

1.anaconda3的安装

anaconda是个融合了很多软件的一个平台或者软件（怎么叫都行），在anaconda里面安装python，配置环境，之后安装tensorflow。
anaconda的下载去官网就可以了。或者我这个云盘有备份
https://www.jianguoyun.com/p/DW1uFi0Qqe7OCBjQoLYD .同样是坚果云，这会设置了所有人。（坚果云打钱）。在安装的时候只有一个地方需要注意，就是把路劲添加到系统里面。我会在下面图片之前提醒你。
这里，要把第一个也点上，下面出现了一堆红字，那也点，和上面配置GPU环境是差不多的，只不过这里是自动的。

之后呢，再开始菜单栏里面点开anaconda3文件夹，选择第三个名字叫anaconda prompt（anaconda3）

2.tensorflow的配置

点开之后
输入（创建一个叫r-tensorflow的环境）

conda create --name r-tensorflow python=3.7

会出现问你是否继续安装。y就可以了，这里安装python3.7及一堆其他软件。
经过了一堆时间之后下载好了，进入到r-tensorflow环境，执行命令。

activate r-tensorflow

之后就是安装tensorflow-GPU版本。

pip install -U tensorflow-gpu==2.2.0

这里已经是在安装的了，速度是看你的网速，有时候很慢！网上有快的安装方法：代码如下（其实我没试过）。
pip install tensorflow-gpu==2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
图片我就不插了 因为已经丢失了。
这里显示successfully built wrapt…就可以了

anaconda和python 就告一段落了。如果使用python的话，还需要配置IDE，我就没研究了，网上有很多资源可以找。用R去做的话，接下来就是R的部分。参考tensorflow with R。
因为坚果云的原因，我的代码都是笔记本上的，现在来看看是否可以直接用在实验室的电脑上（结果是不可以的，解决这个问题陆陆续续用了很久）。

四、R语言上面的操作

提醒一下R语言要提前装Rtools。

帮别人装了一次，结果因为没有Rtools一直报错，但是报错提醒又没有提醒需要Rtools，有点恶心。

提醒一下Rstudio最新版本4.2.0版本，GPU的Tensorflow安装会很麻烦起码我没成功（虽然我没搞懂为什么rstudio会影响tensorflow），一直用Rstudio3.6还是3.7那个版本来着。

应该是不用第三行代码的。

install.packages(tensorflow")
install.packages('keras')

接着就是按照上面的图片里的第四行（验证是否可以）去安装，安装结果如下：
是不是非常的激动人心！如果你真的认为所有人这么顺利你就大错特错了。从R的操作开始到我真正完成安装中间隔了好几天。
1.部分人的是可以这样直接完成的。
2.但部分人报错，我会在另一篇里去讲一讲，这一篇已经很长了。
错误大概就是这样的：
Error: Installation of TensorFlow not found.另一篇文章里去写喽
解决办法,链接: https://editor.csdn.net/md/?articleId=108286753.

总结

谢谢观看，欢迎留言。
我这篇文章其实借鉴了很多博主的文章哦，没记错主要是两篇文章。
这是一篇https://blog.csdn.net/gangeqian2/article/details/79358543.（我也不知道这么直接挂着对不对），另一篇是这篇文章的里面的一个链接，自己看就好了。还有好多文章我就不贴喽