Anaconda搭建Tensorflow-GPU和Keras的深度学习开发环境

已于 2024-09-10 09:01:16 修改
阅读量1.8k 收藏 12
点赞数 34
文章标签： tensorflow keras python
于 2024-09-09 23:34:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/GE_ge_Ge_/article/details/142071389
版权

目录

具体步骤

创建虚拟环境

切换进入虚拟环境：

安装 cudatoolkit

安装 cudnn

虚拟环境更新 pip（根据tensorflow版本需求更新）

安装tensorflow-gpu

安装Keras

Tensorflow-GPU和Keras经过测试的构建配置

引言

在Windows上安装了 Anaconda3 ，可通过搭建虚拟环境，快速安装Tensorflow-GPU和Keras的深度学习开发环境。
具体可参考官方文档

虚拟环境搭建

以下面的配置为笔者安装测试的虚拟环境，读者可根据自己的实际需求更改配置版本。
安装之前，一定要查看文末的tensorflow_gpu版本与python、cuda、cudnn的对应关系

安装包版本
cudatoolkit9.2
cudnn7.6.5
tensorflow-gpu1.12
keras2.2.4

具体步骤

创建虚拟环境

conda create -n TensorFlow_gpu_1.12 python=3.6
#TensorFlow_gpu_1.12为虚拟环境名

conda info --envs
# 查看已创建环境，包括base

切换进入虚拟环境：

conda activate TensorFlow_gpu_1.12
#TensorFlow_gpu_1.12与创建的虚拟环境名保持一致

安装 cudatoolkit

使用 conda 安装版本和包之间的等号为 = ；pip 安装版本和包之间的等号为 ==

conda install cudatoolkit=9.2

安装 cudnn

conda install cudnn=7.6.5

虚拟环境更新 pip（根据tensorflow版本需求更新）

python -m pip install --upgrade pip

建议在安装Keras安装之前需要安装numpy、matplotlib、scipy等工具包，可直接pip或者conda 下载或者卸载安装相关的python模块包，建议只用一种安装方式，负责会出现版本不匹配问题。

    pip install numpy      # 安装 numpy 包
    pip install matplotlib # 安装 matplotlib 包
    pip install scipy      # 安装 scipy 包
    pip install salib      # 安装 salib 包

    pip uninstall numpy      # 卸载 numpy 包
    pip uninstall matplotlib # 卸载 matplotlib 包
    pip uninstall scipy      # 卸载 scipy 包
    pip uninstall salib      # 卸载 salib 包

安装tensorflow-gpu

pip install tensorflow_gpu==1.12

安装Keras

pip install Keras==2.2.4

 最后，通过在Pycharm中更改Python Interpreter，即可使用创建的虚拟环境。

Tensorflow和keras版本对应关系🔗

FrameworkEnv name (--env parameter)DescriptionDocker ImagePackages and Nvidia Settings
TensorFlow 2.2tensorflow-2.2TensorFlow 2.2.0 + Keras 2.3.1 on Python 3.7.floydhub/tensorflowTensorFlow-2.2
TensorFlow 2.1tensorflow-2.1TensorFlow 2.1.0 + Keras 2.3.1 on Python 3.6.floydhub/tensorflowTensorFlow-2.1
TensorFlow 2.0tensorflow-2.0TensorFlow 2.0.0 + Keras 2.3.1 on Python 3.6.floydhub/tensorflowTensorFlow-2.0
TensorFlow 1.15tensorflow-1.15TensorFlow 1.15.0 + Keras 2.3.1 on Python 3.6.floydhub/tensorflowTensorFlow-1.15
TensorFlow 1.14tensorflow-1.14TensorFlow 1.14.0 + Keras 2.2.5 on Python 3.6.floydhub/tensorflowTensorFlow-1.14
TensorFlow 1.13tensorflow-1.13TensorFlow 1.13.0 + Keras 2.2.4 on Python 3.6.floydhub/tensorflowTensorFlow-1.13
TensorFlow 1.12tensorflow-1.12TensorFlow 1.12.0 + Keras 2.2.4 on Python 3.6.floydhub/tensorflowTensorFlow-1.12
tensorflow-1.12:py2TensorFlow 1.12.0 + Keras 2.2.4 on Python 2.floydhub/tensorflow
TensorFlow 1.11tensorflow-1.11TensorFlow 1.11.0 + Keras 2.2.4 on Python 3.6.floydhub/tensorflowTensorFlow-1.11
tensorflow-1.11:py2TensorFlow 1.11.0 + Keras 2.2.4 on Python 2.floydhub/tensorflow
TensorFlow 1.10tensorflow-1.10TensorFlow 1.10.0 + Keras 2.2.0 on Python 3.6.floydhub/tensorflowTensorFlow-1.10
tensorflow-1.10:py2TensorFlow 1.10.0 + Keras 2.2.0 on Python 2.floydhub/tensorflow
TensorFlow 1.9tensorflow-1.9TensorFlow 1.9.0 + Keras 2.2.0 on Python 3.6.floydhub/tensorflowTensorFlow-1.9
tensorflow-1.9:py2TensorFlow 1.9.0 + Keras 2.2.0 on Python 2.floydhub/tensorflow
TensorFlow 1.8tensorflow-1.8TensorFlow 1.8.0 + Keras 2.1.6 on Python 3.6.floydhub/tensorflowTensorFlow-1.8
tensorflow-1.8:py2TensorFlow 1.8.0 + Keras 2.1.6 on Python 2.floydhub/tensorflow
TensorFlow 1.7tensorflow-1.7TensorFlow 1.7.0 + Keras 2.1.6 on Python 3.6.floydhub/tensorflowTensorFlow-1.7
tensorflow-1.7:py2TensorFlow 1.7.0 + Keras 2.1.6 on Python 2.floydhub/tensorflow
TensorFlow 1.5tensorflow-1.5TensorFlow 1.5.0 + Keras 2.1.6 on Python 3.6.floydhub/tensorflowTensorFlow-1.5
tensorflow-1.5:py2TensorFlow 1.5.0 + Keras 2.1.6 on Python 2.floydhub/tensorflow
TensorFlow 1.4tensorflow-1.4TensorFlow 1.4.0 + Keras 2.0.8 on Python 3.6.floydhub/tensorflow
tensorflow-1.4:py2TensorFlow 1.4.0 + Keras 2.0.8 on Python 2.floydhub/tensorflow
TensorFlow 1.3tensorflow-1.3TensorFlow 1.3.0 + Keras 2.0.6 on Python 3.6.floydhub/tensorflow
tensorflow-1.3:py2TensorFlow 1.3.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow
TensorFlow 1.2tensorflow-1.2TensorFlow 1.2.0 + Keras 2.0.6 on Python 3.5.floydhub/tensorflow
tensorflow-1.2:py2TensorFlow 1.2.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow
TensorFlow 1.1tensorflowTensorFlow 1.1.0 + Keras 2.0.6 on Python 3.5.floydhub/tensorflow
tensorflow:py2TensorFlow 1.1.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow
TensorFlow 1.0tensorflow-1.0TensorFlow 1.0.0 + Keras 2.0.6 on Python 3.5.floydhub/tensorflow
tensorflow-1.0:py2TensorFlow 1.0.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow
TensorFlow 0.12tensorflow-0.12TensorFlow 0.12.1 + Keras 1.2.2 on Python 3.5.floydhub/tensorflow
tensorflow-0.12:py2TensorFlow 0.12.1 + Keras 1.2.2 on Python 2.floydhub/tensorflow

Tensorflow-gpu与CUDA、cuDNN的对应版本🔗

版本Python 版本编译器构建工具cuDNNCUDA
tensorflow_gpu-2.6.03.6-3.9MSVC 2019Bazel 3.7.28.111.2
tensorflow_gpu-2.5.03.6-3.9MSVC 2019Bazel 3.7.28.111.2
tensorflow_gpu-2.4.03.6-3.8MSVC 2019Bazel 3.1.08.011.0
tensorflow_gpu-2.3.03.5-3.8MSVC 2019Bazel 3.1.07.610.1
tensorflow_gpu-2.2.03.5-3.8MSVC 2019Bazel 2.0.07.610.1
tensorflow_gpu-2.1.03.5-3.7MSVC 2019Bazel 0.27.1-0.29.17.610.1
tensorflow_gpu-2.0.03.5-3.7MSVC 2017Bazel 0.26.17.410
tensorflow_gpu-1.15.03.5-3.7MSVC 2017Bazel 0.26.17.410
tensorflow_gpu-1.14.03.5-3.7MSVC 2017Bazel 0.24.1-0.25.27.410
tensorflow_gpu-1.13.03.5-3.7MSVC 2015 update 3Bazel 0.19.0-0.21.07.410
tensorflow_gpu-1.12.03.5-3.6MSVC 2015 update 3Bazel 0.15.07.29.0
tensorflow_gpu-1.11.03.5-3.6MSVC 2015 update 3Bazel 0.15.079
tensorflow_gpu-1.10.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.9.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.8.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.7.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.6.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.5.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.4.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.3.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.2.03.5-3.6MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.1.03.5MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.0.03.5MSVC 2015 update 3Cmake v3.6.35.18

GE_ge_Ge_
关注
第36步 深度学习图像识别：TensorFlow-gpu环境配置
Jet4505的博客
06-12 3308
第36步 深度学习图像识别：TensorFlow-gpu环境配置
Anaconda安装Tensorflow-GPU
m0_56023586的博客
03-14 7259
Anaconda安装Tensorflow-GPU
anaconda搭建tensorflow-gpu环境
风车半岛
07-29 735
搭建开发环境安装annaconda清华镜像站直接点下面的安装链接：安装tensorflow命令行安装也可以用conda navigator图形化安装安装GPU版本的tensorflow 安装annaconda 清华镜像站 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载 Anaconda3-4.2.0-Windows-x86_64....
Windows Anaconda 搭建 Tensorflow环境
09-09
网上有很多但是还是会很难安装成功 此文档记录了最稳妥的环境部署方案 使用Anaconda 进行tensorflow的安装 主要解决了下载慢，和各种安装失败的问题
手把手教学——如何在PyCharm实现Pytorch(Tensorflow)工具的使用。
最新发布
StockCave的博客
03-30 1530
本文主要讲解新手如何快速利用Anaconada搭建ai学习的工具。
Anaconda下tensorflow虚拟环境的创建，和一些命令行代码笔记
qq_44874004的博客
05-09 2947
右边“*”表示当前使用的环境 一些其他常用的命令：删除一个环境：【anaconda】conda创建、查看、删除虚拟环境（anaconda命令集）_查看conda虚拟环境_miracleo_的博客-优快云博客输入命令：conda create -n tensorflow python=3.7，表示创建一个名字为tensorflow的环境，这个环境用的python版本是3.7版本的 1.3进入环境 输入命令：activate tensorflow，就可以进入tensorflow环境中 我这里安
Anaconda配置tensorflow-gpu教程
rubisco214的博客
09-25 1378
安装tensorflow（这步安装过程会有库版本不兼容红字，只要不是tensorflow相关的就不用管，anaconda自带的库太多，难免有些库之间不兼容，问题不大，不用到这些库就没事）NVCUDA64.DLL后面的NVIDIA CUDA 12.1就是你的显卡支持的CUDA版本，去CUDA官网。先创建虚拟环境，建议是装python3.8，同时把anaconda的自带的库装上，不然后面会有很多报错。如果前面运行都正确，打开jupyter就能用了，可以运行下面两段代码测试一下。然后安装虚拟环境的cuda。
anaconda环境搭建tensorflow
大树
11-27 968
1下载anaconda 清华源地址 Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror 2.安装tensorflow conda create -n tensorflow python=3.7 不出意外会报CondaHTTPError:HTTP 000 CONNECTION FAILED 解决办法修改C:\Users\Administrator\.condarc文件 channels: - de
Anaconda中创建tensorflow环境
vnmhg的博客
06-08 467
Anaconda中创建tensorflow环境 需要安装Anaconda 主要是创建新环境和安装tensorflow 方法一 命令行创建环境 win + r输入cmd进入命令行 在命令行中输入conda create -n tf python=3.7 一定要输python的版本号，不然会出错。 如图 创建完成如图 接下来激活tf环境 输入activate tf 用pip工具安装tensorflow 输入pip install tensorflow 安装完成 方法二 在Anaconda上直接安装 直
ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤的ppt
03-01
### ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤...以上步骤详细介绍了如何从零开始搭建基于Anaconda的深度学习环境，并通过一个简单的示例演示了如何使用Keras进行实际应用。希望这些信息对您有所帮助！
Windows10配置Tensorflow-GPU+Keras深度学习环境指南
在Windows 10系统上搭建TensorFlow GPU和Keras的深度学习开发环境是一个关键步骤，这将使你能够在本地计算机上运行高效的机器学习和人工智能项目。下面将详细阐述配置过程中涉及的各个步骤。 1. Anaconda安装 ...
零基础搭建tensorflow-gpu环境与yolov3迁移学习实战指南
Keras是一个高级神经网络API，可以轻松构建和训练模型，而Tensorflow-GPU则是Google开发的深度学习框架，它利用GPU加速计算，对于大规模的深度学习任务尤其重要。在搭建环境时，作者推荐使用Anaconda进行管理，因为...
anaconda安装tensorflow
weixin_30929011的博客
03-06 196
python环境：win10 64下anaconda4.2.0(python3.5)。安装tensorflow过程是在Anaconda Prompt中进行安装 1：打开Anaconda Prompt 　　在安装之前，说几个关于conda的小命令 　　conda list：可以显示已经安装好的库。 　　conda install 库名 ：可以直接安装想要的库。如：conda install ...
用anaconda安装tensorflow-gpu
yyyllla的博客
07-17 371
电脑环境win10 python3.5.2 tensorflow1.14.0 cuda10 cudnn7.4.1.5 1 按照下面这篇博客的顺序安装了tensorflow-gpu cuda和cudnn，很有用，可以自动提示下面该安装什么版本的cuda和cudnn https://blog.youkuaiyun.com/weixin_40327145/article/details/8314902...
anaconda安装tensorflow-gpu
Stillboring的博客
02-13 1005
Anaconda安装Tensorflow-gpu（2020.7) - 陆黎 - 博客园
Anaconda配置虚拟环境，搭建tensorflow1.14.0框架
2303_82055692的博客
10-30 1304
创建anaconda虚拟环境，并搭建tensorflow1.14.0框架，并实现在pycharm中的使用。
使用Anaconda配置Tensorflow/Pytorch环境
Mr_Sudo的博客
09-27 4074
本文介绍了如何使用Anaconda简易快速地配置Pytorch和Tensorflow开发环境，并于Jupyter Notebook进行绑定。
Anaconda环境下搭建tensorflow
welin的博客
02-19 4392
该博客亦是对博客《PyCharm下配置PyQt，TensorFlow等环境》的一个扩展。 目录 1. conda和Anaconda的安装 2. tensorflow的安装 1. conda和Anaconda的安装 和pip一样，conda也是一个开源的包管理系统和环境管理系统 ，包括多种语言的包安装，运行，更新，删除，最重要的是可以解决包依赖问题。conda支持语言包括 Python，R，Ruby，Lua，Scala，Java，JavaScript，C / C ++，FORTRAN。不过co.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值