NILMTK-GPU版本（Tensorflow-gpu，pytorch-gpu，paddlepaddle-gpu类同）安装（显卡RTX系列）

目录

1.cuda cudnn

1.1 cuda cudnn的版本选择

1.2 创建GPU的虚拟环境（Anaconda）

1.3 安装Tensorflow-gpu

1.4 安装nilmtk

1.5 pycharm配置虚拟环境

1.6 这里我提供我的环境依赖

---

1.cuda cudnn

1.1 cuda cudnn的版本选择

若电脑自带英伟达生产的RTX20或30系列显卡，可以直接下载并根据教程安装，若是其他显卡，请移步百度自行查找cuda，cudnn是否支持，支持的版本是怎么样的。

若没有RTX显卡或者不需要安装GPU版，只需要快进到1.4 nilmtk的安装即可，nilmtk-gpu版本实际是依赖于tensorflow-gpu，若无法安装tensorflow-gpu，nilmtk-gpu也就不用提了。

cuda-10.2.89：cudatoolkit-10.2.89-h74a9793_1.tar 提取码：6666

cudnn-7.6.5  ：cudnn-7.6.5-cuda10.2_0.tar 提取码：6666

1.2 创建GPU的虚拟环境（Anaconda）

conda create -n csdntest python=3.8 # 创建python版本为3.8 环境名为csdntest的环境

 conda activate csdntest # 激活刚创建的虚拟环境

首先使用cd命令进入刚才下载的cudatoolkit-10.2.89-h74a9793_1.tar 与cudnn-7.6.5-cuda10.2_0.tar.bz2 文件所在文件夹

由于是小白教程，这里只需要明白cd ..返回上一个目录，cd 当前目录下的文件名可进入那个文件夹，ls查看当前的所有文件，tab自动补全（多个相似文件可以多按几下tab）

 conda install --offline .\cudatoolkit-10.2.89-h74a9793_1.tar # 使用后等待安装完成

 conda install --offline .\cudnn-7.6.5-cuda10.2_0.tar.bz2  # 使用后等待安装完成

至此，cuda与cudnn已经安装完成，你可能会觉得出人意料

1.3 安装Tensorflow-gpu

nilmtk需要的Tensorflow-gpu无论是否是GPU版本均需要2.3.0，所以这里直接安装GPU版本，国外网较慢，这里使用清华源，等待即可

pip install tensorflow-gpu==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/ 

出现这样的ERROR不用担心，认真查看后发现是paddlepaddle 2.2.2 需要安装 Pillow依赖，于是我们安装 Pillow

pip install  Pillow -i https://pypi.tuna.tsinghua.edu.cn/simple/

测试一下GPU版本是否可以使用，使用python命令进入python

import tensorflow as tf # 若没有报错，出现以下返回说明gpu配置成功

 若出现报错：Could not load dynamic library ‘cudart64_110.dll‘； dlerror: cudart64_110.dll或类似的返回

 解决方案是将我这里补充的所有dll文件直接拷贝在C:\Windows\System路径下

 链接：https://pan.baidu.com/s/1h28xhvGcGy_mJCGn1o9C5g 提取码：6666

1.4 安装nilmtk

若你只是来安装Tensorflow-gpu，pytorch-gpu，paddlepaddle-gpu的，到这里就可以结束了，这里我只举了一个安装Tensorflow的例子，其他的是一样的，难点就在于cuda和cudnn的配置。

但如果你是来安装nilmtk的，这里才刚刚开始

首先，在github上下载nilm_metadata-master，nilmtk-master

这里附上链接GitHub - nilmtk/nilm_metadata: A schema for modelling meters, measurements, appliances, buildings etc

GitHub - nilmtk/nilmtk: Non-Intrusive Load Monitoring Toolkit (nilmtk)

但是由于网速等多方原因，这两个文件下载的巨慢无比，于是这里提供百度云链接以供下载

nilmtk_master 提取码：6666

nilm_metadata-master 提取码：6666

使用exit()退出python，然后依然是在Anaconda的虚拟环境中使用cd命令进入各自文件夹，这里先进入nilm_metadata-master文件夹

cd .\Desktop\

cd .\nilm_metadata-master\

python setup.py develop -i https://pypi.tuna.tsinghua.edu.cn/simple/ 

 耐心等待一会之后

出现以下返回说明第一步安装成功

再切换nilm_master文件夹继续上一步操作

cd ..

cd .\nilm_master\

python setup.py develop -i https://pypi.tuna.tsinghua.edu.cn/simple/ 

 这里出现了报错，不过没关系，一定是有一些包没有安装

 滚轮向上查找，在向上翻了几秒之后发现，第一行明确写着是在下载ipykernel-6.15.1时出错，于是我们手动下载ipykernel-6.15.1

pip install ipykernel==6.15.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/

 这里又会报错ERROR，但是细看全都是没有安装各种包，于是全部安装即可，版本就按照提示的来就可以

pip install cycler>=0.10 kiwisolver>=1.0.1 numexpr>=2.6.2 jupyterlab-widgets~=3.0rc2 widgetsnbextension~=4.0rc2 -i https://pypi.tuna.tsinghua.edu.cn/simple/

 这里还有一个错误是tables需要numpy版本与nilmtk需要numpy版本不同，但在我不断的尝试下来，numpy的版本无论取哪一个均不行，最终选择了numpy==1.23.1

pip uninstall numpy

pip install numpy==1.23.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/

然后安装nose进行测试，安装一些可能被忽略的包

pip install nose -i https://pypi.tuna.tsinghua.edu.cn/simple/

conda install --yes pip numpy scipy six scikit-learn pandas numexpr

使用nosetests测试所有依赖，我这里显示Runtime：0 OK，应该就是完成了

1.5 pycharm配置虚拟环境

在pycharm中找到setting，然后选择现有环境，并标注可用于所有项目，添加，在本地中查找C:\Users\YHT29\anaconda3\envs\csdntest\python.exe，注意最后一定要选择python.exe，点击应用确定后等待即可

 在pycharm中找了一个脚本来测试一下，也可以，得到以下的结果便是成功了，运行的速度非常快，基本上几十秒就可以运行完毕。

 也可以使用redd数据集进行测试，目前的下载地址为: http://redd.csail.mit.edu，需要向作者发送邮件，才能获取用户名和密码进行下载，但考虑到下载速度慢，下载步骤繁琐，这里我直接给出资源链接low_freq.tar.bz2 提取码：6666

新建一个.py文件，输入以下代码，若可以跑通同时不报错，证明安装完成，注意，以下的路径需要改为自己的路径。

from nilmtk.dataset_converters import convert_redd
convert_redd(r'low_freq',r'low_freq\redd_low_new.h5')

1.6 这里我提供我的环境依赖