Tensorflow2.X的GPU版框架最快最稳搭建方法

一、环境基础

        Windows10以上
        已装Anaconda
        支持GPU

二、搭建步骤

1. 在Anaconda中创建并进入虚拟环境

conda create -n envname python=3.8
conda activate envname

 注意:envname 替换为你自己想命名的,下文将以“Ljdenv”出现

2.安装tensorflow-gpu

情况1:直接 pip install tensorflow-gpu 成功,可直接跳至2.3

情况2:通过pip install tensorflow-gpu 如果失败(常见2.3之前的版本),最快最稳的方式为下载 .whl文件,通过命令在conda中进行安装。本文以安装 tensorflow-gpu 2.2.2 为例,且不建议读者替换为其他版本。
点此下载tensorflow-gpu 2.2.2 的 .whl 安装文件,并将其放于E盘(个人路径也可,安装后可删除)
其他 tensorflow-gpu 版本的 .whl 参考该链接, 但相关依赖包版本请自行测试。
如下为下载 .whl 后操作过程,在 Anaconda 的终端进行


2.1 将路径切换至E盘

Tensorflow2.X的GPU版框架最快最稳搭建方法_第1张图片

2.2 在Anaconda终端,安装 tensorflow-gpu.whl文件

pip install tensorflow_gpu-2.2.2-cp38-cp38-win_amd64.whl

 注意:该命令完成后,所带安装的主要依赖包为 numpy==1.18.X

2.3 安装cuda相关依赖包

本步骤前需要先查看个人计算机的CUDA版本,如下图。安装的cuda相关依赖包< 个人计算机支持的CUDA 版本 即可。本人的CUDA版本如下,可安装11.8以下的cuda依赖。
tensorflow-gpu,cudatoolkit,cudnn版本对应关系

Tensorflow2.X的GPU版框架最快最稳搭建方法_第2张图片

conda install cudatoolkit=10.1 cudnn=7.6.5  #conda命令

2.4 安装 protobuf 3.20 ,如果遇到超时报错,请参考此文解决

conda install protobuf==3.20

3. 检查是否能正常启动 

在Anaconda终端中依次执行如下命令

python   #conda环境
import tensorflow as tf
print(tf.test.is_gpu_available())  #显示True为正常启动GPU

 如下图所示Tensorflow2.X的GPU版框架最快最稳搭建方法_第3张图片

至此,完成tensorflow-gpu安装

三、安装其他重要依赖包(如有需要)

pip install numpy==1.18 pandas scipy scikit_image matplotlib  

注意:一定要以numpy==1.18开头,后面的pandas、scipy等包都会以numpy1.18 自动安装适应版本。否则,容易出现包冲突。

参考

http://t.csdnimg.cn/JPIS4

你可能感兴趣的:(开发环境搭建,tensorflow,python,人工智能)