基于tensorflow-gpu的果蔬识别系统搭建过程及遇到的问题

1 简介

这里是一只从零开始机器学习的小白，搭建的这个果蔬识别系统来自up主肆十二-的: 果蔬识别系统，不过up主使用cpu进行训练，这里将其修改为使用gpu训练，在搭建环境的过程中出现了许多问题，特记录下来。

该系统界面如下图所示，上传图片后即可识别是哪一种水果。

代码: vegetables

数据集在代码里

2 环境搭建

搭建过程可参考博客: 水果蔬菜识别系统-基于tensorflow2.3开发

以下主要是搭建过程中遇到的问题。

2.1 Pycharm安装

pycharm下载地址: PyCharm （社区版即可，安装时复选框全勾上）

2.2 Conda安装

下载地址: Conda

下载哪个版本的按理说没啥影响，我下载的版本如下图所示：

安装时勾选这个，可以自动配置环境变量，比较方便一些

安装完毕后，打开命令行，输入conda env list

显示下列信息则表示安装成功且环境配置完成

2.3 Tensorflow-gpu安装

tensorflow-gpu安装过程参考博客: tensorflow-gpu版本安装教程(过程详细)

安装步骤：cuda -> cuDNN -> tensorflow-gpu

2.3.1 cuda安装

上述链接里很详细，因此仅记录下本机安装的版本

首先是本机的驱动配置CUDA 11.6.134 driver

下载链接: CUDA Toolkit

安装版本11.6.0

2.3.2 cuDNN安装

下载链接: cuDNN

下载版本，直接最新，这可能也为之后遇到的问题埋下了伏笔

tensorflow-gpu、Python、CUDA、cuDNN之间的版本对应关系查看: link

综上：本机选择安装的是

tensorflow_gpu：2.6.0 -> 2.8.0 （因为安装了2.6.0报错，所以改成了2.8.0，这一点在后面会提到）

python：3.7

cuDNN：8.4

CUDA：11.6.0

2.3.3 tensorflow-gpu安装

cmd打开命令行

（1）为加速下载速度，切换镜像源

pip config set global.index-url https://opentuna.cn/pypi/web/simple

（2）创建虚拟环境

conda create -n tf2.6 python==3.7

（3）激活虚拟环境

conda activate tf2.6 

（4）安装tensorflow-gpu （起初安装的是2.6.0版本，后来报错改为2.8.0即可）

pip install tensorflow-gpu==2.6.0

（5）测试是否安装成功

python
import tensorflow as tf
tf.config.list_physical_devices('GPU')

如下图所示即为安装成功

（6）安装果蔬识别系统所需的包

pip install pyqt5 -i https://mirror.baidu.com/pypi/simple
pip install pillow -i https://mirror.baidu.com/pypi/simple 
pip install opencv-python -i https://mirror.baidu.com/pypi/simple 
pip install matplotlib -i https://mirror.baidu.com/pypi/simple 

3 系统运行

在Pycharm中打开项目

添加刚才建立的虚拟环境

打开window.py，运行即可

发生报错

ImportError: cannot import name ‘dtensor’ from ‘tensorflow.compat.v2.experimental’

解决方案参考: tensorflow 2.x常见问题

本机解决方案：将tensorlfow更新为2.8

pip install tensorflow==2.8 -i https://pypi.tuna.tsinghua.edu.cn/simple

再次运行，又发生报错

解决方案参考: 解决Loaded cuDNN version 8400加载问题

本机解决方案：
（1）下载 zlibwapi

（2）将下载后的安装包解压，里面的三个文件加入命名“zlib123dllx64”的文件夹

（3）将zlib123dllx64文件夹移入C:\Program Files (x86)路径下，将此路径设置在path中

至此，问题解决，成功运行