在Windows 10上安装tensorflow-gpu==1.11.0

目录

      • 背景介绍:
      • 摘要:
      • 第一步:
        • 若遇提示“‘python’不是内部或外部命令
      • 第二步
      • 第三步
      • 第四步
      • 最后
      • 再说一句

背景介绍:

Python的tensorflow是跑卷积神经网络的常用库,今天来介绍下如何在无Anaconda的情况下安装和配置tensorflow,这种配置方式对严格管理python包的人而言,会比Anaconda直接安装明了很多。

摘要:

本文将介绍如何在Windows 10上为python配置GPU版本的tensorflow,主要步骤分为python的安装、pycharm的安装、NVIDIA的配置与安装、CUDA的配置与安装、cuDNN的导入、tensorflow的安装以及后续的调整优化。

第一步:

tensorflow适配python的2.7、3.3~3.6版本,此处我们不妨下载安装AMD64的python3.6.8
下载链接
然后将python安装在D:\Program Files\Python36下(避免打开UAC的操作系统需要提权)
同时,在安装时建议使用自定义安装,将python安装到所有用户(这样修改安装路径较为方便)并勾选向系统环境变量path中添加python路径和python scripts路径
安装好后,我们打开命令提示符(可以使用组合快捷键“Win+R”打开运行窗口,输入cmd回车,“Win”键介于“Ctrl”键和“Alt”键之间类似Windows徽标的按键)
输入“python”并回车,显示如下(不一定要完全一样),即为成功。
在Windows 10上安装tensorflow-gpu==1.11.0_第1张图片

若遇提示“‘python’不是内部或外部命令

如果提示“‘python’不是内部或外部命令,也不是可运行的程序或批处理文件。”,则需要进行以下步骤:(具体可以去搜相关的CSDN帖子)
按下组合快捷键“Win+E”打开资源管理器窗口或直接打开任意文件夹窗口,右键单击“此电脑”(部分电脑显示的是“我的电脑”),在弹出菜单中点击“属性(R)”(也可按下“R”键快速打开),在弹出窗口左侧找到“高级系统设置”并单击,在弹出的“系统属性”窗口中打开“高级”选项卡,并点击选项卡右下角的按钮“环境变量(N)…”,寻找系统变量“path”。、
双击path,并将python所在的路径(如“D:\Program Files\Python36”)和python Scripts所在的路径添加进去(“D:\Program Files\Python36\Scripts”),并点击“确定”,然后到cmd窗口中输入python并回车判断python环境配置是否成功,或使用set path查看相关的两个变量是否添加成功。
在Windows 10上安装tensorflow-gpu==1.11.0_第2张图片
在Windows 10上安装tensorflow-gpu==1.11.0_第3张图片在这里插入图片描述
在Windows 10上安装tensorflow-gpu==1.11.0_第4张图片

第二步

接下来,安装pycharm的Edition 2019.3版本链接 可以去官网下载
打开可能会比较慢,有时候需要等一到两分钟
建议安装到目录“D:\Program Files\PyCharm Community Edition 2019.3”下。
点击“File”→“New…”(或使用组合快捷键“Alt+Insert”)新建项目文件夹,在这里我们将其命名为“bert-master”。
随后,点击“File”→“Settings”(或使用组合快捷键“Ctrl+Alt+S”)打开“Settings”界面,展开“Project: bert-master”→“Project Interpreter”设置python解释器。
在Windows 10上安装tensorflow-gpu==1.11.0_第5张图片
设置好后,点击“应用”,我们会发现pycharm在慢慢导入包,这时候我们只需要等待,去做下一步工作。各个版本的tensorflow-gpu对应的CUDA和cuDNN版本如下表所示
(注意tensorflow 1.x与tensorflow 2.x不是同一个库)
在这里插入图片描述

第三步

打开CUDA的下载页(此处提供Win10、tensorflow-gpu==1.11.0适配CUDA 9的链接)
根据自己的操作系统选择一个适合的CUDA并下载,建议安装的时候选择自定义,将所有的勾勾上。下载过程需要比较久的时间,我们可以利用这块时间来安装或升级一些常用的python包。
首先我们来切换pip的安装源为既快又稳的清华源(力荐),在cmd中输入“explorer “%USERPROFILE%””并回车,在弹出的窗口中新建文件夹“pip”并进入,在pip目录下新建文件“pip.ini”(可以先新建文本文档“pip.txt”,再把文本文档的后缀名更改为“pip.ini”,在执行文件重命名操作时若看不到文件后缀名,可以参考此链接:
pip.ini的内容如下:
在这里插入图片描述

第四步

首先在cmd中运行命令“python -m pip install --upgrade pip”以将pip更新到最新版本,部分电脑可能需要将第一个“pip”改为“pip3”或“pip3.6”(“pip”后面的数字为相应的python版本),更新后可以运行以下命令安装常用包:“pip install tqdm”(进度条库)、“pip install requests”、“pip install lxml”、“pip install bs4”、“pip install scrapy”、“pip install numpy”(可以先不安装,后文会有说明)、“pip install matplotlib”、“pip install opencv-python”等。
在Windows 10上安装tensorflow-gpu==1.11.0_第6张图片

CUDA安装完成后,打开登录(如果没有就注册一个账号)自己的账号,下载相应的三个dll(分别在三个文件夹里),然后打开目录“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0”(这是默认的安装路径),进行相应地替换:
在Windows 10上安装tensorflow-gpu==1.11.0_第7张图片

同时配置环境,将CUDA的两个文件夹bin(默认是“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin”)和lib(默认是“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp”)的路径添加到系统path变量中(如下图)。在cuDNN导入完成,并且pycharm导入python包完成后,我们退出pycharm,并在cmd中运行命令“shutdown /r /t 0 /f”(可以不用“/f”参数)以重启电脑(当然也可以直接在开始菜单选择重启计算机)。

最后

至此,tensorflow-gpu的配置就到最后一步了,依次在cmd中运行命令“pip install numpy”和“pip install tensorflow==1.11.0”,随后,我们进入python,输入语句“import tensorflow”回车,发现如下问题:
在Windows 10上安装tensorflow-gpu==1.11.0_第8张图片

此时tensorflow可用,但某些地方可能会得到不一样的结果,这是因为numpy的版本太新所致。要解决此问题,我们只需在cmd中(不是在python中,退出python的语句是“quit()”)运行命令“pip install numpy==1.16.4”(因此建议在等待下载CUDA的时候直接运行此命令),安装相应的版本即可。如果在安装过程出现Win 32,Err 5(拒绝访问)的错误或出现“Check Your Permission”等字样,请以管理员身份启动cmd。
在执行“import tensorflow”语句后,如果出现红字提示“can not load dll”等字样,请检查您的CUDA版本是否与所安装的tensorflow版本一致,如果一致仍报错,则说明您的设备配置太低,GPU无法支撑起GPU版的tensorflow的运行,此时建议在cmd中运行“pip uninstall tensorflow-gpu”卸载GPU版的tensorflow,然后使用“pip install tensorflow-cpu”(可以自行指定版本)进行安装部署。
就这样,tensorflow就配置好了,我们可以在cmd中进入python,并依次执行语句以下语句:

import tensorflow as tf
a=tf.constant(520)
b=tf.constant(3344)
tf.add(a, b)

验收:
在Windows 10上安装tensorflow-gpu==1.11.0_第9张图片
我们进入pycharm,在网上找一个tensorflow模型如Bert,以前文所说的方式打开设置,指定python解释器并等待所有python包导入,点击运行即可。
在Windows 10上安装tensorflow-gpu==1.11.0_第10张图片
此外,配置好某个版本的tensorflow后,可以直接使用pip随意切换tensorflow的版本(前提是您已安装好相应版本的CUDA和cuDNN),有了tensorflow后,我们可以做很多事情如链接中所述。

再说一句

欢迎向我反馈,邮箱:[email protected]

你可能感兴趣的:(学长的分享,神经网络,python,tensorflow)