Windows 安裝 conda安裝 tf2.0
因爲tf2需要cuda10,本人一直在用cuda9.2的1.x版本tensorflow。
此方法能有效避免系統python版本和pip包覆蓋問題,還能成功安裝多個版本的cuda
安裝工具:Miniconda、PC
1.下載conda(miniconda更簡潔,節省內存)
多個版本下載地址,自取~
Windows 下載地址
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-Windows-x86_64.exe
Linux 下載地址
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.12-Linux-x86_64.sh
Mac 下載地址
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-MacOSX-x86_64.pkg
2.安裝Miniconda
主要要注意這個地方,其他地方默認設置就好:如果是自帶有python,請不要勾選,避免出現python版本覆蓋問題;第一個選項可以不選,但後期要自己再設置
這裏路徑我選的是D:\Miniconda3
3.設置conda安裝源
安裝源文件位置:
Windows 源文件路徑
C:\Users\Administrator.condarc
Linux 源文件路徑
~/.condarc
(1)打開 Anaconda Prompt
(2)清華源配置
依次在 Anaconda Prompt 或 Terminator中輸入
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud//pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes
(3)本人安裝成功配置
直接複製即可食用哦~
ssl_verify: true
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
show_channel_urls: true
4.conda指令創建環境
四步走:創建—激活—安裝—測試
(1)創建新的conda環境
安裝python36虛擬環境,因爲是gpu環境取名tf2g
conda create -n tf2g python=3.6
(2)激活環境
conda activate tf2g
(3)安裝cuda及tensorflow2.0
若存在舊版本cuda,直接到以下官網鏈接下載安裝不同版本的CUDA和cudnn就OK。安裝cpu版直接第二條指令不加gpu
手動安裝CUDA和cudnn
下載cuda 10
cuda 10.0下載網址
https://developer.nvidia.com/cuda-10.0-download-archive
cudnn下載網址(找到相對應的cuda版本下載,需註冊)
https://developer.nvidia.com/rdp/cudnn-archive
精簡安裝即可,複製cudnn 7.6.5的三個文件夾到如下路徑
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
本人同時存在的多個CUDA版本
cuda 9.2 與 cuda10.0共存
這裏不用擔心CUDA版本衝突,不同虛擬環境對應的tensorflow-gpu會找到對應的CUDA版本使用
這條指令經嘗試會報 CUDA版本不對應的錯誤,如圖
conda install cudatoolkit=10.0 cudnn
tensorflow2.0安裝
conda install tensorflow-gpu==2.0.0
(4)測試環境
當前命令行輸入python,進入python執行以下指令:
python
import tensorflow as tf # tensorflow包導入
tf.__version__ # 查看版本
tf.test.is_gpu_available() # 檢查是否可以GPU加速