windows使用conda命令安装tensorflow-gpu,并查看程序是否调用GPU

前言

在进行深度学习训练时，会经常使用tensorflow搭建网络，下面详细介绍如何使用Anaconda搭建环境，以及在pycharm中调用环境，查看是否使用GPU进行训练。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、安装Anaconda和Pycharm

1.Anaconda

官网下载：https://www.anaconda.com/ 选择适合自己的版本。
如果官网下载速度慢，可以从清华大学镜像源进行下载（但是镜像源可能没有anaconda的最新版本）：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

2.Pycharm

官网下载：https://www.jetbrains.com/pycharm/download/#section=windows
Professional版本的要收费，我自己选择的是Community版本的，功能也挺全，做深度学习完全够用

下载后的安装就不多赘述了

二、Anaconda环境搭建

1.创建并激活进入环境

在搭建环境前，一定要提前查好python、tensorflow、自己电脑显卡支持的cuda三者的版本匹配！先决定好自己要安装的版本！版本匹配直接在网页上搜索就好。

电脑显卡支持的cuda版本查看方式：依次点击 NVIDIA控制面板-系统信息(在左下角)-组件。一般在组件的3D设置里会显示NVIDIA CUDA X.X.X，此处的X.X.X就是电脑显卡所支持的最高cuda版本号，若觉得版本号太低，不足以支持自己想要选择的tensorflow版本，可去NVIDIA官网升级显卡驱动。

安装anaconda后，在开始菜单会显示其一系列相关程序，点击Anaconda Prompt后，输入
conda create --name Env python=3.8
其中Env是自己所创建环境的名称，python=3.8是自己指定的python版本号。

环境创建后，激活进入环境

activate Env

2.安装tensorflow-gpu

使用conda命令安装tensorflow-gpu的指定版本(以2.3.0为例)
conda install tensorflow-gpu=2.3.0
Anaconda会自动安装tensorflow所依赖的其他库和工具包(比如CUDA和cuDNN)。

就这么简单！tensorflow-gpu环境搭建完成！

三、在Pycharm中调用搭建好的Anaconda环境

进入Pycharm，可先进行汉化(汉化方法网页搜索即可，很简单)，更方便操作，依次点击
文件-设置-项目-Python解释器-齿轮按钮(右上角)-添加-conda环境-现有环境-解释器栏右侧的三个点按钮

选择刚刚所搭建环境中的python.exe，路径一般为
安装Anaconda的盘\Anaconda\envs\所创建的环境名\python.exe

四、查看是否调用GPU进行训练

运行下列代码，若返回True则调用成功

import tensorflow as tf
print(tf.test.is_gpu_available())

在进行深度学习训练时，也可以打开任务管理器，查看性能中GPU使用情况，若GPU被调用，可明显看到GPU内存利用率上升。

此外，还可以打开cmd，输入
nvidia-smi
显示GPU的情况、进程号、显存使用等。

---

总结

提前选择好相匹配的版本号！其他按步骤来就水到渠成了。深度学习，尤其是CV，对GPU要求还是挺高的，希望提前配置一块好显卡。