配置tensorflow-gpu和tensorflow-cpu环境和对应的keras ,pytorch（详细步骤）
配置tensorflow-gpu和tensorflow-cpu环境和对应的keras ,pytorch（详细步骤）
- 前言
- 0. 安装Anaconda 和 微软官网的 VC++ 补丁
-
- （1）安装Anaconda
- （2）安装VC++ 补丁
- 1.查看版本对应关系
-
- （1）tensorflow与keras版本匹配情况
- （2）tensorflow与CUDA版本以及cuDNN匹配情况
- （3）CUDA与pytorch版本对应情况
- （4）最终下载的各个版本
- 2. 安装显卡驱动
-
- （1）查看自己电脑的显卡
- （2）进入NVIDIA官网下载所用显卡的驱动程序并安装。
- 3. 安装对应版本CUDA和cuDNN并测试
-
- （1）安装 CUDA10.1
- （2）安装 cuDNN7.6
- （3）将cuDNN中的bin、include和lib文件拷贝到下图路径
- （4）测试CUDA是否安装成功
- 4. 安装对应的tensorflow版本并测试
-
- （1）更换Anaconda 镜像清华源（加速下载）
- （2）创建虚拟环境
-
- a.安装对应的tensorflow-cpu版本并测试
- b.安装对应的tensorflow-gpu版本并测试
- 5. 安装对应版本的keras 和pytorch(命令行安装)
前言
这只是安装对应版本的tensorflow-gpu和tensorflow-cpu环境和对应的keras ,pytorc的步骤
0. 安装Anaconda 和 微软官网的 VC++ 补丁
（1）安装Anaconda
进入官网，滑到最下面，点击安装。（安装路径可以自定义，其他都默认安装）
https://www.anaconda.com/products/individual
（2）安装VC++ 补丁
到微软官网下载对应VC++ 补丁并安装。
https://visualstudio.microsoft.com/zh-hans/downloads/
1.查看版本对应关系
（1）tensorflow与keras版本匹配情况
网址： https://docs.floydhub.com/guides/environments/
目前最新支持keras 的tensorflow 版本为 2.2.0 （建议下载这个版本）
（2）tensorflow与CUDA版本以及cuDNN匹配情况
网址：https://tensorflow.google.cn/install/source_windows?hl=cn
tensorflow2.2.0 对应的cuDNN7.6, CUDA10.1
（3）CUDA与pytorch版本对应情况
查看pytorch官网：
https://pytorch.org/get-started/previous-versions/
（4）最终下载的各个版本
python 3.8 (anaconda自带）、cuDNN 7.6、 CUDA 10.1、tensorflow 2.2.0 、Keras 2.3.1、pytorch 1.7.1
2. 安装显卡驱动
（1）查看自己电脑的显卡
win+s 搜索：设备管理器（图中红色的为点脑的显卡）
（2）进入NVIDIA官网下载所用显卡的驱动程序并安装。
https://www.nvidia.cn/Download/index.aspx?lang=cn
3. 安装对应版本CUDA和cuDNN并测试
（1）安装 CUDA10.1
进入NVIDIA官网下载对应版本的CUDA并安装。https://developer.nvidia.com/cuda-toolkit-archive
（2）安装 cuDNN7.6
进入NVIDIA官网下载对应版本的cuDNN。
https://developer.nvidia.com/cudnn
点击 download cuDNN 会提示登录账号，需要注册一个NVIDIA账号，才能下载。
下载之后解压缩
（3）将cuDNN中的bin、include和lib文件拷贝到下图路径
（4）测试CUDA是否安装成功
命令行输入
nvcc -V
显示如下为安装成功：
4. 安装对应的tensorflow版本并测试
（1）更换Anaconda 镜像清华源（加速下载）
打开网址：
https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
1、打开 Anaconda Prompt (anaconda3) 输入
conda config --set show_channel_urls yes
生成.condarc 的文件，右键记事本打开
清空原有内容，替换为
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
如下：
保存关闭
（2）创建虚拟环境
新建一个TF2 的python3.8版本的环境.
打开 Anaconda Prompt (anaconda3) 输入)
conda create -n TF2 python=3.8
出现Proceed ([y]/n)?时，输入y
进入TF2 环境内
conda activate TF2
以下所有操作，都是在这个虚拟环境下的操作.
附：也可以
conda install spyder
安装好之后，可以看到这样的目录下有个spyder了，可以直接打开
a.安装对应的tensorflow-cpu版本并测试
安装：
pip install tensorflow-cpu==2.2.0
测试，依次输入：
python
import tensorflow as tf
tf.__version__
显示出来版本号则正确。
b.安装对应的tensorflow-gpu版本并测试
安装
pip install tensorflow-gpu==2.2.0
测试，依次输入：
python
import tensorflow as tf
tf.config.list_physical_devices(‘GPU’)
安装成功！
5. 安装对应版本的keras 和pytorch(命令行安装)
pip install keras
pip install torch
如果报错的话就升级一下pip
python -m pip install --upgrade pip
结束~撒花★,°:.☆(￣▽￣)/$:.°★ 。。