在win10中利用Anaconda直接安装tensorflow-gpu 不需要另行安装cuda cudnn

2022 0117 更新

ZZY看文章更新后绿色的字就好。

也许你都了解过,但可以在这里复习一下。

最近在用tensorflow跑cnn,之前一直用cpu版本,最近主机到了,开始学着装gpu版本。

上网看了一下,大多数tensorflow-gpu的安装分三部分:Anaconda的安装、CUDA+cudnn的安装、tensorflow-gpu的安装。

这些安装之间的版本要保持匹配,挺晕的。

但其实,利用Anaconda,是可以一步到位的。

本机配置:win10 gtx1060 


首先下载Anaconda: Anaconda | Individual Edition

安装之后记得添加环境变量(也可以不添加):


FOR ZZY 

如何创建新的python环境:

在添加完环境变量后打开cmd(如果没有添加就打开Anaconda Prompt)

(1)查看conda环境: conda env list

  

(2)创建一个新环境:conda create -n env_name python=x.x

(有可能会出错Collecting package metadata (current_repodata.json): failed  试试关掉VPN)

(3)启动刚创建的环境:conda activate forzzy

(4)安装所需要的依赖库:conda install xxx

 安装完所有需要的库之后,就可以在PyCharm中使用这个库了:

打开PyCharm -> File -> Settings -> Project: XXX -> Python Interpreter ->  -> Add

这样就OK了。


 

 

下面不用看

 安装过后,打开Anaconda Prompt

先配置清华镜像!不然下载会很慢很慢很慢!

anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

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

输入

conda install tensorflow-gpu

可以发现会自动下载cuda+cudnn

输入y后开始(中途千万别关!

出现这个说明安装OK 

如果提示有错误,那么..卸载了Anaconda然后重新安装吧...


用Pycharm加载Anaconda的环境库,并实验一下tensorflow-gpu能不能用:

在Pycharm中写入(如果你没装CPU版本的tensorflow,不写也可以):

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
with tf.Session(config=config) as session:
    # your training session

训练前/训练中GPU使用情况:

  


可以看出,这种方法是可行的。

### 安装 GPU 版本的 PyTorch 为了在 Windows 系统中成功安装支持 GPU 的 PyTorch,需遵循以下方法: #### 显卡兼容性确认 首先需要验证计算机中的 NVIDIA 显卡是否支持 CUDA 技术。这一步非常重要,因为只有支持 CUDA 的显卡才能运行基于 GPU 加速的应用程序[^1]。 可以通过访问 NVIDIA 官方网站查询具体型号的支持情况或者通过 `nvidia-smi` 命令来检测当前系统的显卡及其驱动版本。如果未安装最新版的 NVIDIA 驱动,则建议先更新至最新的稳定版本。 #### 设置环境并安装必要组件 确保已正确配置好 Anaconda 或 Miniconda 环境作为 Python 开发的基础平台。接着,在此环境中执行如下操作前还需要完成以下几个前置条件: - **安装 CUDA 工具包**:下载与目标 PyTorch 版本相匹配的 CUDA Toolkit 并妥善设置 PATH 变量以便于后续调用编译器和其他工具链功能[^3]。 - **验证 cuDNN 库存在与否**:cuDNN 是由 NVIDIA 提供的一个针对深度神经网络优化过的高性能数学运算库集合;它能够显著提升模型训练速度以及降低资源消耗比例。通常情况下随同官方发布的镜像一起提供给开发者使用。 当以上准备工作完成后就可以着手实际安装过程了: #### 使用 Conda 进行安装 打开终端窗口进入到对应虚拟env下(如果是全局则无需特别指定),然后依据个人需求选择适合自己的方式之一来进行最终部署工作: 对于希望获得最高性能表现同时又想手动调整太多参数的朋友来说可以直接采用 conda 渠道获取预构建好的二进制文件形式分发出来的软件包实例: ```bash conda install pytorch torchvision torchaudio cudatoolkit=XX -c pytorch ``` 这里需要注意替换掉其中 XX 占位符部分为你本地已经存在的 cuda toolkit 大致编号号数比如 11.7 或者其他任意合法数值选项等等[^2]。 另外一种更为灵活自由度更高的做法就是借助 pip 来实现完全定制化程度较高的解决方案流程图解说明文档链接地址待补充完整后再另行告知各位读者朋友们哦! 最后提醒一下大家记得检查一遍所有依赖关系均已满足无误之后再尝试启动测试样例代码片段看看效果如何吧😊 ```python import torch print(torch.cuda.is_available()) # 输出 True 表明成功启用 GPU 支持 ```
评论 12
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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