为了防止每次再安装tensorflow时都要查一堆的网页和资料,我就先记录一下tensorflow-gpu的安装流程。仅仅是防止自己忘记,这里不可避免地肯定夹杂着大量别人写的东西,我本质上不过是把这些东西集中在一起罢了(简称:大融合怪)。
Anaconda | The World's Most Popular Data Science Platformhttps://www.anaconda.com/
在 C:\Users\用户名 文件夹下找到 .condarc 文件,以记事本形式打开,改成这样:
show_channel_urls: true
ssl_verify: true
channels:
- 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/free/
- defaults
但是清华源经常出问题,换成别的更好。如果不进行换源这一步地话,可以在安装时每句话都加上一个 -i https://pypi.douban.com/simple/ ,这个豆瓣源用着速度和稳定性都不错。例如:
pip install tensorflow-gpu==1.15.0 -i https://pypi.douban.com/simple/
从如图位置(可能别的地方也行)进入命令行:
输入指令创建环境:
conda create -n 环境名 python=版本号
等待各项安装,创建好环境后,激活进入环境
conda activate 环境名
注:conda与pip的区别 conda和pip都能安装包,pip是在直接当前环境中下载安装,conda会先在一个统一放包目录下找一遍,有就直接搬过来,没有再去下载。(conda的话貌似没有 -i 参数,需要进行换源)
可以先用命令搜寻一下再安装:
conda search tensorflow-gpu
可以先更新pip(见问题1,为啥更新暂时不懂,不更新也行,看了下也就从21.x更到了22.x)或者直接安装(不加版本号默认最新的):
pip install tensorflow-gpu==2.6.3 -i http://pypi.douban.com/simple/
可以用指令查看环境内安装了哪些包:
conda list
安装哪个版本的cuda和cudnn需要按照tensorflow-gpu的版本查一下对应的!
安装cuda,找一下可用的版本(搜索不到先换源,见步骤2或问题2):
conda search cudatoolkit
tensorflow-gpu2.6.3需要cuda11.2(但是这里没有,11.3也可以):
conda install cudatoolkit=11.3
查看可安装cudnn版本:
conda search cudnn
安装cudnn8.2.1:
conda install cudnn=8.2.1
查看安装结果:
import tensorflow as tf
tf.__version__
tf.test.is_gpu_available()
tf.config.list_physical_devices('GPU')
还有一个测试代码(能正确识别cpu与gpu即可):
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
1. 更新pip
可以用如下命令更新(--user是管理员权限,最好指定源):
pip install --user --upgrade pip -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
如果没弄好把什么文件弄丢了的话就重新安装pip:
python -m ensurepip --default-pip
2. 命令行换源
主要就是几个指令,添加指令(具体有哪些源百度一下就能找到):
conda config --add channels https://xxxxxxxxxx
清理搜索缓存:
conda clean -i
移除指令:
conda config --remove channels https://xxxxxxxxxx
查看指令:
conda config --show channels
3. pytorch的安装
和以上基本没区别:
第一步:conda install cuda=xxxx
第二步:conda install pytorch xxxxxx xxxxxx
版本的对应关系和附加的参数需要去官网找:PyTorchhttps://pytorch.org/