1、Anaconda3(很早就安裝了,沒有配圖)
安裝過程比較簡單,一直下一步就好;
注意勾選添加Anaconda to my PATH
,其他的隨意
1.1、Anaconda的作用和使用
1.1.1 問題的出現
1.到底該裝 Python2 呢還是 Python3
python2和python3在語法上是不兼容的, 那我的機器上應該裝python2還是python3呢, 可能一開始選一個學習就好了, 但是如果你要開發的程序必須使用python2而不能使用python3,那這時候你就不得不再下載一個python2, 那這時候環境變量該設誰的目錄呢, 如果還是切換環境變量豈不是很麻煩.
2.包管理
如果我在本地只有一個python環境那我所有程序用到的各種包都只能放到同一個環境中, 導致環境混亂, 另外當我將寫好的程序放到另一電腦上運行時又會遇到缺少相關包, 需要自己手動一個個下載的情況, 實在是煩人, 要是能每個程序開發都選用不同的環境, 而開發好之後又能將該程序需要的環境(第三方包)都獨立打包出來就好了.
1.1.2 附件的功能
Anaconda Navigtor :用於管理工具包和環境的圖形用戶界面,後續涉及的衆多管理命令也可以在 Navigator 中手工實現。
Jupyter notebook :基於web的交互式計算環境,可以編輯易於人們閱讀的文檔,用於展示數據分析的過程。
qtconsole :一個可執行 IPython 的仿終端圖形界面程序,相比 Python Shell 界面,qtconsole 可以直接顯示代碼生成的圖形,實現多行代碼輸入執行,以及內置許多有用的功能和函數。
spyder :一個使用Python語言、跨平臺的、科學運算集成開發環境。
1.1.3 管理虛擬環境
activate tensorflow-gpu
activate 能將我們引入anaconda設定的虛擬環境中, 如果你後面什麼參數都不加那麼會進入anaconda自帶的base環境
- 創建虛擬環境
conda create -n tensorflow-gpu python=3.6
查看所有的環境:conda env list
安裝第三方包:任意一種
pip install requests
conda install requests
卸載第三方包:
conda remove requests
pip uninstall requests
查看環境包信息
conda list
導入導出環境
conda env export > environment.yaml
1.2、Jupyter notebook
一篇教程
2、安裝CUDA9(最噁心的一步了)
下載地址:
https://npupt.com/details.php?id=115935&hit=1
https://developer.nvidia.com/cuda-toolkit-archive
這個真是裝了老半天:
安裝步驟:
- 點擊exe,解壓後安裝;
- 在自定義安裝選項的那一步,把vs相關的去了,因爲我電腦裝的是vs2017,其他的一些驅動也沒必要裝(幸好沒聽信一些博客說要純淨環境,還重裝系統,裝vs2015,刪除所有與NVIDIA有關的東西)
- 直接下一步,就可以成功安裝了;環境變量也添加好了
3、cuDnn7.1.4
下載地址:
https://npupt.com/details.php?id=130567&hit=1
https://developer.nvidia.com/rdp/cudnn-download
CuDNN版本和CUDA匹配問題可從上面網址中CuDNN中查看
- 解壓下載好的文件
- 將解壓出的三個文件夾裏的文件拷貝到CUDA的安裝目錄裏的同名文件夾即可。
CUDA的安裝目錄:
4、創建python環境、安裝tensorflow-gpu
- 打開powershell,創建環境:
conda create -n tensorflow-gpu python=3.6
- 配置我們剛創建的虛擬環境
activate tensorflow-gpu
#升級pip
python -m pip install --upgrade pip
#下載tensorflow-gpu 1.9.0
pip install tensorflow-gpu==1.9.0
下載的時候網速會比較慢;還有就是它會自動幫你把tensorboard
給你降級了.
測試:
這時候發現了一個大bug,不能在powershell下下載,因爲測試的時候失敗了,並沒有在我想要的環境下安裝。~這能氣死。
還是回到cmd下進行吧。
到pycharm中使用
參考博客: