tensorflow2.0GPU版本安裝指南(包含cudnn cuda miniconda安裝以及jupyter虛擬環境配置等等

  • 安裝miniconda

            1.找到清華鏡像源的安裝文件,我以Miniconda3-4.5.4-Windows-x86_64.exe爲例(tensorflow目前不支持python3.7)

            2.下載完雙擊安裝,除了以下步驟,其餘的都默認操作

            3.自定義安裝路徑

                  

 

            4.環境變量選項的checkbox不要勾選要不然修復或者重安裝的時候會有麻煩

                  

 

              5.升級pip和setuptools 要不然在下面安裝tensorflow的時候可能會出現由於此二項版本老舊而出現問題:

>>>python -m pip install –upgrade 上述兩個包的名字

 

              6.安裝numpy

 >>>pip install numpy

              7.安裝jupyter notebook

 >>>pip install jupyter notebook

                    7.1 你可能還要更改jupyter notebook的工作目錄以及指定工作瀏覽器

 >>>jupyter notebook --generate-config

                       ( 然後打開anaconda prompt中出現的一個地址中的配置文件(先將這個.py文件改成txt,再進行修改),對於修      改瀏覽器這裏給出示例:)

 

import webbrowser

webbrowser.register("chrome",None,webbrowser.GenericBrowser(u"D:\\Chrome\\Application\\chrome.exe"))

c.NotebookApp.browser = 'chrome'

                                                                                                                                                                                                         

  • 安裝nvidia顯卡驅動

強烈建議,雖然在安裝cuda時有安裝顯卡驅動程序的選項,但是cuda中的顯卡驅動版本要比官網上的顯卡驅動版本要老舊):

            1. 搜索官網

 

           2. 驅動版本檢索  首先在設備管理器中【顯示適配器】一項查看自己電腦的顯卡型號,根據型號選擇相應的顯卡驅動安裝程序並下載,(我的顯卡是GTX960m,就選GTX900M系列 ,然後找GTX960M )

 

  • 下載完之後 點擊安裝即可

                                                                                                                                                                                                           

 

  • 安裝cuda 

注意 一定要根據要安裝的tensorflow的版本要求安裝對應版本的cuda。比如我安裝的tensorflow2.0版本 使用cuda10.0)

         1.  到CUDA官網(NVIDIA),選擇對應版本的cuda進行下載,例如:

          2.  Cuda比較大,在選擇組件時,我的選擇如圖:

(只選擇cuda組件  且將其中的samples(示例 用不上)、nsight compute(用不上)、visual studio intergration(用不上)都取消掉。最後的三個組件也都不需要裝,圖形驅動在文章最前面以及在官網上裝過了最新的 )

       3.配置環境變量:(注意更換成你自己的安裝路徑)

D:\NVIDIA GPU Computing Toolkit\CUDA\v10.0

D:\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin

D:\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

D:\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp    

      4.測試:

打開CMD並輸入

 >>> nvcc -V

      結果如下:

                                                                                                                                                                                                           

  • 配置cudnn 以及安裝tensorflow2.0

         1.下載:https://developer.nvidia.com/cudnn (要看好版本 對應cuda10.0)

         2.下載完之後,解壓縮並將其中的文件全部拷貝到NVIDIA GPU Computing Toolkit\CUDA\v10.0目錄中去,也就是安裝CUDA時候的目錄

         3.更新pip 和setuptools

>>>python -m pip install –upgrade ***

         4.安裝tensorflow

>>>pip install tensorflow-gpu==2.0

         5.最終測試:

import tensorflow as tf
tf.test.gpu_device_name()
##查看 tensorflow是否成功安裝 以及是否使用了GPU,結果應輸出GPU的信息

                                                                                                                                                                                                      

  • 關於虛擬環境的補充(下面出現的evnname是你隨便指定的環境名字)

              1)虛擬環境的配置、刪除:

>>>conda create -n evnname python=3.6

>>>conda remove -n evnname python=3.6

              2)將虛擬環境添加入jupyter的kernel選項

1、使用:
>>>activate evnname 
激活虛擬環境evnname(也就是進入該環境中)

2、安裝ipykernel包 :
>>> conda install ipykernel

3、激活該功能
>>>ipython kernel install --user --name=evnname

 

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章