Windows下tensorflow2.3.0-GPU下载安装教程
注意:
安装TensorFlow-GPU需要确认机器上有至少一张NVIDIA GPU,若已拥有,那么首先需要安装NVIDIA的框架cuda和cudnn,以发挥GPU强悍的运算能力。
查看电脑NVIDIA信息
1、桌面单击右键 > NVIDIA控制面板
2、点击上方菜单栏帮助 > 系统信息
3、点击组件即可查看NVIDIA相关信息
一、 安装visual studio 2019
在查找好自己电脑的NVIDIA信息后,首先需要安装vs2019,是因为在安装cuda的过程中需要使用对Windows操作系统支持良好的c++编译器对cuda源码进行编译。
(1) 下载vs2019
VS官网:VS官网
选择菜单栏的下载:
选择社区community免费版本下载即可。
(1) 安装vs2019
下载好后,双击exe程序进行安装:
单击继续开始进行安装准备工作:
准备工作结束后,会弹出安装选择界面:
C++是必选的,由于需要c++编译器对cuda源码进行编译,因此必须选择“使用c++的桌面开发”选项。
然后开始安装:
等待安装完成后,根据提示重启计算机,vs2019就安装完成了。
重启后第一次打开vs2019会要求注册,可以免费注册微软的账号并登录,也可以“以后再说”。
然后进入选项界面:
选择好后启动vs2019:
如果没有错误提示,则证明vs2019已经被正确安装。
二、 安装cuda
(1) 下载cuda安装程序
NVIDIAcuda的安装程序可以在NVIDIA官网中找到
NVIDIA官网链接:NVIDIA官网链接
点击下载
根据我的NVIDIA版本信息,我选择Windows版本cuda11.0下载:
依次单击Windows->x86-64->10->exe(local)
Cuda的下载界面,其中,base installer是cuda程序的核心安装包
(2)安装auda
双击执行下载的base installer(cuda_11.0.3_451.82_win10.exe)文件:
选择抽取文件路径:
在extraction path框中显示的是默认的依据用户名产生的路径,通过长采用默认路径即可,请尽量采用默认路径,不然后面可能报错,指定路径后,单击OK开始抽取文件路径。
抽取完成后,安装程序正是启动,并进行系统兼容性检查:
由于预先安装好了vs2019,而且有可用的GPU硬件,因此可以顺利通过。
检查通过后,会进入“NVIDIA软件许可协议”界面
选择“同意并继续”,进入“安装选项”界面:
一般选择精简模式就可以满足训练神经网络的需求,然后下一步。
耐心等待安装完成
安装成功图:
登录/注册NVIDIA账户
(3)检查cuda的安装情况
NVIDIA cuda会自动向系统中添加环境变量,在完成安装后,需要使新添加的环境变量生效,以检查安装情况。
使环境变量生效的两种方法:
① 重启计算机
② 对于win10系统,在开始菜单旁边的搜索功能中输入“cmd”
选择“以管理员身份运行”
这一步是为了确保系统能够重新加载环境变量,使新的环境变量生效。
通过手动加载环境变量或者重启加载环境变量后,即可检查cuda 的安装情况:
输入命令:nvcc -V
会打印出已安装的cuda的信息,则说明cuda安装完成。
三、安装cudnn’
(1)下载cudnn’
进入NVIDIA公司的官网界面,下载与cuda对应的cuDNN:
官网链接:官网链接
Cudnn下载链接:Cudnn下载链接
点击download
选择登陆或注册(免费)
下载好后的压缩包:
(2)安装cudnn
解压压缩包:
将cuda文件夹中的所有文件复制到cuda的安装目录下,覆盖原有的文件,即可成功安装cudnn
其中cuda的安装目录可以在系统环境变量中找到:
Cuda-path即为cuda的安装目录。
四、安装python
(1)检查python安装
可看出我安装的python版本为python3.7.4
若没有安装python,可自行查看相关安装教程,这里省略。
五、安装anaconda
(1)检查anaconda是否安装
打开终端(win+R->输入cmd),在cmd输入 conda –version
若没有安装anaconda,可自行查看相关安装教程,这里省略。
(2)检测已经安装的环境
在cmd输入conda info –-envs
这里如果没有新建其他环境的话,就只有一个默认的anaconda中的root/base环境。
(3)新建一个python3.7.4的环境
conda create --name tensorflow python=3.7.4
若出现如上警告:不用慌张,只要按照提示进行输入就好,继续输入:
conda update -n base -c defaults conda,对anaconda进行升级
在产生的“Proceed([y]/n)?”问题下,输入y继续配置进程,如果仍然产生error,则重复输入:conda
create -n py36 python=3.6;早晚会出现:Solving environment: done
可见此时的anaconda已经为4.8.4最新版本。
此时再继续创建虚拟环境名字叫做tensorflow 的python3.7.4的环境:conda create --name tensorflow
python=3.7.4;在产生的“Proceed([y]/n)?”问题下,输入y继续配置进程。
(4) 激活新建的环境
conda activate tensorflow
查看现在已安装的环境
发现除了原来默认的root环境,又多了一个tensorflow。
左侧的(tensorflow)就代表进入了新建的虚拟环境,这里是tensorflow。
(5) 先退出当前的环境
Deactivate
环境名字(左侧的(tensorflow))没了,表示已退出。
(6) 验证一下tensorflow环境中的python版本对不对
激活TensorFlow环境:activate TensorFlow
查看python版本:python --version
六、 安装TensorFlow
输入pip install TensorFlow-gpu -i https://pypi.douban.com/simple/
使用“-i”切换为豆瓣的镜像源(很快)
等待安装成功。
安装完成后,在终端控制台输入如下命令以检测安装情况:
到这里,tensorflow-GPU2.3.0环境安装完毕。
七、 Pycharm中创建虚拟环境
(1)新建一个空文件夹,记住路径
(2)打开pycharm、点击file、点击settings
选中project interpreter 点击下拉,点击show all
点击右上角加号
选择virtualenv environment 选择new environment 路径选择刚才新建的文件夹路径,base interpreter 选择python系统解释器路径,点击ok:
选择新建的环境
(3)创建成功后,刚才新建的文件夹会变成这样:
(4)点击pycharm窗口下方的terminal,出来命令窗口,进入路径内执行activate,可进入虚拟环境