PyTorch-GPU版本、Tensorflow-GPU版本配置

PyTorch-GPU版本的配置

NVIDIA驱动下载

1. 查看系统是否有显卡以及显卡型号（以win10为例）
2. 查看方法：
   • 打开控制面板
   • 找到系统与安全
   • 打开系统
   • 找到设备管理器双击
   • 找到显示适配器查看

---

---

3. 查看自己NVIDIA的驱动版本（保证在410及以上）
   • Win+R打开运行对话框
   • 输入cmd命令
   • 在命令行输入nvidia-smi查看版本号以及支持的CUDA版本

---

---

4. 版本过低，可前往官网进行升级，可手动填写NVIDIA配置后搜索驱动版本进行安装，也可以选择自动安装
   NVIDIA官网

---

---

5. 安装成功后再次cmd命令:nvidia-smi查看是否安装成功。

---

Anaconda中的安装

1. 打开anaconda prompt
2. 创建虚拟环境（conda create -n 环境名称 python=3.6）注：python版本不能太高，否则之后可能安装失败
3. 打开所创建的虚拟环境（conda activate 环境名称）
4. 打开PyTorch官网进行安装
   PyTorch官网
5. 根据之前查看的NVIDIA支持的CUDA 版本选择进行安装（可安装更低的版本）

---

注意：复制时不要把 -c pytorch复制上，不然不会换源安装。

---

6. 将复制好的代码粘贴在所创建的虚拟环境中，进行安装

---

补充安装其他版本的PyTorch-gpu的方法

PyTorch其他版本安装命令
点击上面的链接之后查找 想要安装的版本负责命令安装即可
注：一般安装1.2.0版本居多

检验安装是否成功

1. 在所创建的环境中输入python打开python界面
2. 输入import torch
3. 输入print（torch.version）查看安装版本
4. 输入torch.cuda.is_available()查看是否安装成功，若输出True，则表示安装成功。
5. 若显示False，表示安装失败。可能的原因有：
   • python版本过高
   • 所安装的pytorch与nVidia所支持cuda不匹配
   • 网络问题导致未安装成功

---

---

附：在Anaconda中，jupyter切换虚拟环境

1. 在conda prompt命令框中输入pip install ipykernel
2. 输入python -m ipykernel install --user --name 环境名称 --display-name 显示名称

---

Tensorflow-GPU版本配置

查看Tensorflow版本

1. 查看Tensorflow-gpu所对应的python以及CUDA版本
   2.查看原文链接
   Tensorflow
   

创建虚拟环境

1. 打开anaconda prompt
2. 创建虚拟环境（conda create -n 环境名称 python=3.6）注：python版本根据上表选择。
3. 打开所创建的虚拟环境（conda activate 环境名称）

---

Tensorflow的安装

1. 根据上图选出要按照的tensorflow-gpu版本。（注：tensorflow版本不要太高，高版本功能可能不齐全）
2. 在虚拟环境中输入: conda install tensorflow-gpu=2.0.0
3. 安装成功即可

---

检验是否安装成功

1. 在虚拟环境中打开python
2. 输入 import tensorflow as tf
3. 输入：print(tf.test.is_gpu_available())
4. 显示true即为安装成功

---

---

keras的安装

1. 在之前的虚拟环境中输入：conda install keras
2. 安装成功后打开python
3. 输入import keras
4. 会显示 “Using TensorFlow backend”，解决办法：
   • 在import keras之前输入import os
5. 在之后激活该环境时，可能会显示报错，方法：
   • 将该环境的keras卸载
   • 退出命令框
   • 用管理员权限打开anoconda Prompt
   • 激活环境
   • 输入conda install -c anaconda keras
   • 同样在 import keras 前输入 import os
   • 这样再次激活环境的时候就不会报错了

---

---