美文网首页
让人头疼的tensorflow2.0安装,确定nVidia的驱动

让人头疼的tensorflow2.0安装,确定nVidia的驱动

作者: blackarch | 来源:发表于2020-01-08 13:54 被阅读0次

声明:转载的原文地址是 https://www.cnblogs.com/xxxms/p/11826388.html ,感谢作者分享自己的经验,非常感谢

发布这篇文章是因为这么好的文章百度起来是如此的困难,请大家多支持发布这种节省生命的文章的作者,作为一个程序呆子,醉心于技术,真心希望能够少花点时间在一些根本不具备参考价值的过程上,谢谢大家支持。

windows10下安装tensorflow2.0-GPU和Cupy(不用搞CUDA+cudnn)

0.前言

今年暑假买了个1660ti的游戏本学python,后来发现跑一些数据量比较大的代码和深度学习的时候太慢了,遂想装一下GPU版本,看了网上的资料搞了好几天,又是CUDA又是cudnn的,网速慢不说,装完还各种报错,最后发现随着anaconda和tensorflow的更新,现在利用anadonda只要一行命令就能完成。(装好虚拟环境后,直接看4.2)

  

1. 安装anaconda

  这部分没啥难度,只要注意两点:

1.去官网下载https://www.anaconda.com/distribution/,而不要去清华的镜像站(已经很久没有更新了),官网下比清华慢一点,但相信我这是值得的。

    2.安装的时候建议直接把两个勾都选上(网上的其他教程都建议不勾选然后手动添加PATH,但我发现直接勾上没问题,之后加PATH反而有各种问题出现)

    #.如果之前电脑里已经有安装python,建议先卸载再装anaconda,这样能避免很多问题

    做完这一步你就拥有了一个预装了很多包的base环境,包括pandas和numpy,足够初学者做很多事情了。

2. 换清华源

  虽然上面说anaconda的安装包不要去清华上下,但是用镜像站来下载和更新python包还是可以的(能快上不少)。打开CMD,复制打入就行

            conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

            conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 

            conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

            conda config --set show_channel_urls yes

3.创建一个另外的虚拟环境

  起先看网上教程的时候一直不明白这一步有什么用,处理了很多报错以后发现这是为了避免依赖包版本冲突。例如你在官网上下载的anaconda,自带的base环境是python3.8,而tensorflow是建议装python3.6,它要求的各种依赖包也是python3.6时代的,直接在base环境下安装,需要将本来是最新的软件包降级,可能会影响其他包,最新的功能就用不到了。

  所以创建虚拟环境可以完全避免依赖包冲突,需要使用tensorflow的时候切换过来就行。

  3.1 打开CMD(如果你把anaconda装在了C盘,建议使用管理员运行,可以事先避免权限报错),键入:

            conda create -n env_gpu python=3.6 

 (env_gpu是你给虚拟环境起的名字,依个人喜好就行,网上大多叫tensorflow或者env_tf2,我这边叫env_gpu是因为我用这个环境来跑需要gpu加速的任务:tensorflow-gpu和cupy)

   按y回车,anaconda就会安装一些必须的包(换源之后是很快的)

4. 在虚拟环境下安装tensorflow-GPU(用于机器学习)和cupy(numpy的GPU加速版本)

    4.1 首先激活虚拟环境:

         conda activate env_gpu

         (整个第4步的cmd都别关掉,用同一个,假如手滑关了,就要再激活一次虚拟环境)

可以看到前面有个括号表明所在的环境

4.2.安装tensorflow-gpu和cupy

            conda install tensorflow-gpu=2.0.0

            conda install cupy

            (一行一行来)

可以看到anaconda会自动安装匹配版本的cuda和cudnn,不用去英伟达官网下载了,也避免了操心版本问题。

4.3 安装spyder, jupyter notebook

          因为我们在第三步创建了一个独立的虚拟环境,和原来base环境里的spyder和jupyter notebook是不通用的,所以在这个环境下手动安装一个就行:

          conda install spyder

          conda install jupyter

          安装完以后可以在开始菜单搜索spyder,(anaconda)结尾的是base环境下的spyder, (env_gpu)结尾的是这个环境下的spyder。

5.测试一下吧 

    5.1 打开spyder(env_gpu)

    5.2 键入一些测试的code

    5.3 cupy也导入测试下

都没有报错,大功告成!

conda虚拟环境操作

1. conda env list 或 conda info -e 查看当前存在哪些虚拟环境

2. conda update conda 检查更新当前conda

3. conda update --all 更新本地已安装的包

4. conda create -n your_env_namepython=X.X(2.7、3.6等) anaconda 命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。

5. Windows: activate your_env_name(虚拟环境名称) 激活虚拟环境

6. conda install -n your_env_name [package] 安装package到your_env_name中

7.linux: source deactivate           Windows: deactivate     关闭虚拟环境

8. conda remove -n your_env_name(虚拟环境名称) --all 删除虚拟环境 如果出错试试 conda env remove -n your_env_name

9. conda remove --name your_env_name package_name  删除环境中的某个包

conda info --envs 显示虚拟环境列表

使用清华镜像快速安装pytorch

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 --set show_channel_urls yes

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda install pytorch torchvision cudatoolkit=XX.0 (版本号从https://pytorch.org/上,查找对应版本)

下面就可以快速安装了。

若果做GNN推荐是用DGL框架,新手友好。

我的是conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

-c pytorch必须删除,否则清华镜像无法使用,下载失败

conda create -n env_pytorch python=3.6

conda install pytorch torchvision cudatoolkit=10.1

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

不管是pytorch还是tensorflow2.0我都建议安装spyder和jupyter notebook,集成的环境还是比较容易使用的.

conda install spyder

conda install jupyter

汇总下,避免混淆

conda create -n env_pytorch python=3.6

conda install pytorch torchvision cudatoolkit=10.1

conda install spyder

conda install jupyter

接下来可以进入python看看pytorch是否安装成功,输入下述命令,若无报错则安装成功:

import torch

import  torchvision

下面是一些gpu相关的命令:torch.cuda.is_available()

cuda是否可用;

torch.cuda.device_count()

返回gpu数量;

torch.cuda.get_device_name(0)

返回gpu名字,设备索引默认从0开始;

torch.cuda.current_device()

返回当前设备索引;

如果想要安装pytorch+pandas需要的步骤

conda create -n env_pytorch python=3.6

conda install pandas

conda install pytorch torchvision cudatoolkit=10.1

conda install spyder

conda install jupyter

测试import pandas as pd只要不出提示信息表示正常

PS:

进入虚拟环境

conda activate env_gpu

conda activate env_pytorch

退出虚拟环境

conda deactivate

IDE应用虚拟环境

你可以在 VSCode 中 Ctrl+Shift+P ,键入 select interpreter 来选择你想要的 python 解释器而无视激活的环境,然后Ctrl+F5运行,code的F5调试经常出问题

你同样可以在pycharm中按Ctrl+Alt+S中选择切换虚拟环境(第一次创建虚拟环境必须添加虚拟环境),然后Shift+F9调试,Shift+F10运行

python的话,建议使用pycharm,比较好用一些,相比pycharm,code有些地方做的不是很好,比如项目

相关文章

网友评论

      本文标题:让人头疼的tensorflow2.0安装,确定nVidia的驱动

      本文链接:https://www.haomeiwen.com/subject/pwgwoctx.html