Win10 ancona傻瓜安装tensorflow-gpu,ancona傻瓜安装pytorch-gpu

文章目录

  • 楔子
  • anconda的安装:
  • CUDA,cuDNN的安装:
  • tensorflow-gpu的安装:
    • 配置一个tensorflow的环境:
    • 安装tensorflow-gpu:
    • 安装spyder:
  • pytorch安装:
  • conda commands:

楔子

之前是在ubuntu16.04LTS上安装的是python2.7非anconda方式的tensorflow-gpu。
1、学习使用一段时间后python2.7有点坑,网上的好多代码不能直接运行,比如:无法使用**表示keywords dic;
2、而且在ubuntu使用spyder始终无法实现汉字的输入,对于学习阶段注释很重要,很不方便;
3、后来偶然使用wintogo制作了一个win10的系统,就像基于anconda方式傻瓜式搭建。

最后没有能用conda的傻瓜装法,还是在全局下安装CUDA和cuDNN,这样版本才能可控。

anconda的安装:

直接官网下载,傻瓜式安装。(环境变量可以勾,不勾就需要自己配置)
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Windows-x86_64.exe

CUDA,cuDNN的安装:

注意了他们两个是配套的,先下CUDA:
Win10 ancona傻瓜安装tensorflow-gpu,ancona傻瓜安装pytorch-gpu_第1张图片
再找对应版本的cudnn
先安装CUDA,再把cuDNN解压,把这三个文件夹的文件放进CUDA安装目录的三个相同的文件夹内:
Win10 ancona傻瓜安装tensorflow-gpu,ancona傻瓜安装pytorch-gpu_第2张图片
cuDNN是对CUDA的补充,是针对DNN加速的,就这么理解。
手动添加一下如下环境变量,明显他是针对cuDNN的环境变量

Win10 ancona傻瓜安装tensorflow-gpu,ancona傻瓜安装pytorch-gpu_第3张图片

tensorflow-gpu的安装:

配置一个tensorflow的环境:

如下就是配置一个python版本3.6的环境,环境的名字叫tensorflow :

(base) C:\windows\system32>conda create -n tensorflow pip python=3.6

为什么需要专门配置一个新的环境,anconda有一个默认的环境base,理论上可以安装在默认环境下,但是为了防止依赖冲突,最好是新建一个环境,实际上在base下直接安装会报错:

(base) C:\windows\system32>conda install tensorflow-gpu
Solving environment: failed

UnsatisfiableError: The following specifications were found to be in conflict:
  - tensorflow-gpu
Use "conda info " to see the dependencies for each package.

进入新的环境:

(base) C:\windows\system32> conda activate tensorflow
(tensorflow) C:\windows\system32>
(tensorflow) C:\windows\system32>

安装tensorflow-gpu:

建议不要使用conda install tensorflow-gpu,他会下载使用自己的CUDA,之前说的傻瓜就是说的这个,关键是它自己CUDA和tensorflow-gpu不匹配使用起来存在问题,至少我试过python3.5和3.6都有问题。
使用pip安装指定版本。

pip install --ignore-installed --upgrade tensorflow_gpu==1.8.0

安装之前最好把pip更新到最新版本;
按照过程会安装很多依赖,需要等待;
还有tensorflow_gpu版本需要特别注意,要和CUDA,cuDNN配套,最新版本说不定就不支持,这里给一个过时的支持:
Win10 ancona傻瓜安装tensorflow-gpu,ancona傻瓜安装pytorch-gpu_第4张图片
可以直接在创建的容器里使用python测试:
Win10 ancona傻瓜安装tensorflow-gpu,ancona傻瓜安装pytorch-gpu_第5张图片

import tensorflow as tf
import numpy as np
import time
 
# 产生用于计算测试的数据
value = np.random.randn(5000,1000)
a = tf.constant(value)
 
# 计算方式
b = a*a
 
# gpu
tic = time.time()
with tf.Session() as sess:
    for i in range(1000):
        sess.run(b)
toc = time.time()
t_cost = toc - tic
 
print(t_cost)

安装spyder:

在容器里安装spyder:
在这里插入图片描述
如果base环境里面有spyder, 在这个环境里会直接copy过来的
还有一点在spyder里面看不见使用GPU的日志,linux里面是可以看到的,不管了反正使用的是GPU计算就是了。

pytorch安装:

CUDA和cuDNN已经全局安装好了:
Win10 ancona傻瓜安装tensorflow-gpu,ancona傻瓜安装pytorch-gpu_第6张图片

pip3 install https://download.pytorch.org/whl/cu90/torch-1.0.1-cp36-cp36m-win_amd64.whl
pip3 install torchvision

假如外部没有安装CUDA和cuDNN,可以试试:
Win10 ancona傻瓜安装tensorflow-gpu,ancona傻瓜安装pytorch-gpu_第7张图片
成功结果如下:
Win10 ancona傻瓜安装tensorflow-gpu,ancona傻瓜安装pytorch-gpu_第8张图片

conda commands:

# 创建新环境
conda create -n rcnn python=3.6

# 删除环境
conda remove -n rcnn --all

# 重命名环境
conda 其实没有重命名指令,实现重命名是通过 clone 完成的,分两步:

# 先 clone 一份 new name 的环境
# 删除 old name 的环境

# 比如,想把环境 rcnn 重命名成 tf
# 第1步
conda create -n tf --clone rcnn

Source:      /anaconda3/envs/rcnn
Destination: /anaconda3/envs/tf
Packages: 37
Files: 8463

# 第2步
conda remove -n rcnn --all

# 结果
conda info -e
# conda environments:
#
crawl                    /anaconda3/envs/crawl
flask                    /anaconda3/envs/flask
tf                       /anaconda3/envs/tf
root                  *  /anaconda3

你可能感兴趣的:(DL,机器学习,深度学习,anconda,win10,tensorflow-gpu,pytorch-gpu)