【深度学习实践(一)】安装TensorFlow

转载 发布者:梦想new的出来 发表于:2022-08-08

活动地址:CSDN21天学习挑战赛

学习的最大理由是想摆脱平庸,早一天就多一份人生的精彩;迟一天就多一天平庸的困扰。

【深度学习实践(一)】安装TensorFlow
1安装Anaconda
  • 进入官网(由于网速问题,建议去镜站下载)

    点击这里到清华镜像站下载,不用选择最新版(不太稳定),选择前排的版本即可

  • 然后一路傻瓜式安装操作

    这里记得更改一下安装路径,因为后期创建的虚拟环境都会在这里,如果安装在C盘,则容易造成堵塞

在这里插入图片描述

  • 测试

    只要是安装与配置,那必离不开测试:

    conda —version查看版本

在这里插入图片描述

2安装cuda与cudnn

2.1安装Cuda

  • 查看电脑驱动

    在这里插入图片描述

    这里使用nvidia-smi命令可以查看自己电脑的显卡驱动版本,另外需要补充的一点是,显卡必须是英伟达家(即所谓的N卡)的才可以使用Cuda并行计算框架,本人使用拯救者R7000P使用的GTX2060即是英伟达家的显卡

  • 根据驱动下载相应的Cuda安装包.

    根据官方给出的数据显示

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Qv1X5DOE-1659627198984)(image/image_jEN11si7a0.png)]

    我可以下载11.5的版本

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KMjjA6Dw-1659627198985)(image/image_s-3nfU246U.png)] 那么直接下载即可

  • 运行安装程序

在这里插入图片描述

这里推荐使用自定义下载,可以配置下载路径

2.2 安装Cudnn

  • 进入官网下载相应版本的Cudnn

    在这里的版本需要根据你的cuda的版本来进行相应的匹配,在官方文档中有详细的说明。请看下图,在我的电脑中,我的安装的是11.5版本的,所以说我在这里需要下载8.4版本的cudnn

    在这里插入图片描述

    点击下载后会让你填写一个问卷调查,按不就班的填一下就好了

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-dvkVg7Rr-1659627198988)(image/image_lmDJqmF1-J.png)]

  • 这里有指出8.4版本正好对应11.x

在这里插入图片描述

windows操作系统,自然选择下载zip文件

在这里插入图片描述

  • 安装与配置

    将下载好的文件包解压后,将里面的三个文件复制到cuda的对应文件中:

    在这里插入图片描述

  • 测试

    进入demo_suite运行deviceQuery.exe看是否成功

    在这里插入图片描述

3 使用Anaconda安装TensorFlow

使用Anaconda安装TensorFlow 的 GPU版本,并配置相应的运行环境

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bPIpZeUW-1659627198993)(image/image_8vf79B3A9R.png)]

  • 安装好后直接在Pycharm中使用该环境,测试如下:

    • 可以查看一下是用的GPU版本还是CPU版本

      import tensorflow as tf
      a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
      b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
      c = tf.matmul(a, b)
      sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
      print(sess.run(c))
      
      
    • 注意这种检验方法是原来tf1版本的,现在使用tf2,需要设置一下才可以正常使用,否则会报错

      import tensorflow as tf
      tf.compat.v1.disable_eager_execution()
      a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
      b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
      c = tf.matmul(a, b)
      sess = tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True))
      print(sess.run(c))
      
      
    • 由此可以看出,我的是GPU

      [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bD8mievE-1659627198994)(image/image_4vsei9nCtr.png)]

相关标签:学习python安装深度学习深度
声明:本文来自用户分享或转自网络,版权属于原作者,内容中的观点不代表编程技术网的观点。文章内容如有侵权,请联系管理员(QQ:3106529134)删除,本站将在一月内处理。
来源:V1ZWb1UwMUhUa2xVVkZwTlpWUnNjRmxyWXpWaWEzaDBWRzV3WVZKNlVqRlpiVEZYVFVWM2VsTnFSbWxpVkd4MFdYcE9WMlJWZDNsU2JteHJVako0Y1ZsclpGWmtiSEJJVm1wQ1dsWXllSHBaTTJzMFpVVXhjVmRZYUU5aGJXTjNWRzV3UWxCUlBUMD0=