2021-06-04

使用anaconda安装GPU版本tensorflow及无法调用GPU的解决问题

前言

关于安装tensorflow-gpu网上有非常多的教程，大部分要求手动安装cuda和cudnn，其实完全不用这么麻烦，使用anaconda的conda指令可以一键安装，会识别计算机的本地环境，自动安装对应的cuda，等一系列操作。

安装anaconda

Anaconda两个版本一个适用py2.7的Anaconda2，一个适用py3的Anaconda3。在这里说一下，直接装anaconda，不用自己装python。当然其实有没有提前装python都无所谓，因为anaconda自带python，而且之后使用anaconda的虚拟环境的时候，用的其实是anaconda自带的python版本，而不是你自己预先装在电脑的版本。

下载

推荐使用清华的镜像下载
链接点这里 清华镜像

速度比较快

安装

没什么好说的，一步一步往下就行，最好别装在c盘，自己选个路径，值得注意点只有一点，就是要把添加路径挑勾，他会自动为你配置变量。

验证

先看一下变量是不是自动配置齐了，缺哪个补哪个。

基础功能有红框的两个就可以了，剩下的在安装其他包的时候系统会自动添加

在CMD中输入conda --version，显示如下，就成功了。

添加镜像

添加镜像，可以明显提升下载速度，当然你有翻墙软件也可以不加。
使用anaconda prompt设置镜像地址
在这里插入图片描述

打开anaconda prompt，输入如下指令：

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

以上是清华的镜像，但是最近好像不太给力，也可以试试中科大的，或者你可以全加进去

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

创建虚拟环境

使用虚拟环境有很多好处，可以同时建立多个虚拟环境，每个都配置不同版本，或者一个用GPU，一个用CPU，而且删的时候特别方便，不用一个包一个包卸载，整个环境删掉，很方便。

启动anaconda

进入环境，新建，输入虚拟环境名，python我选的3.6，现在3.7兼容性还有点问题。
等他自己建立就行，要有点耐心，需要一点时间。
另外从channel里可以看见之前加入的镜像，如果上一步建立失败，建议查一查镜像输入的对不对，输错了这里可以删，然后按之前的操作重新输入。

安装VS code

如果你的电脑没有安装IDE，可以装一个VS code，可以直接用anaconda安装
我的已经装过了，没装过，这里的按键显示的是 安装

安装tensorflow

安装CPU版

启动虚拟环境

输入如下指令，等于号后面可以指定版本，不指定版本就不写等于号和后面的内容，但自动选择的版本可能很低，不建议。

conda install tensorflow=1.13

然后按照指令输入y
然后等他下载就好了

安装GPU版本

同样启动虚拟环境

输入指令

conda install tensorflow-gpu=1.13

等他自动检索，这里要注意，看他列出的包里有没有cuda和cudnn，如果有，就点y，继续安装，如果没有，不要装，自己安装cuda和cudnn有很多坑，不推荐。
因为很有可能你自己手动安装了cuda cudnn并配置环境，很了很多时间，全都不报错，最后测试能否使用GPU的时候，他丢给你一个false。。。

我们有更快捷的办法。
如果列表里没有cuda，说明你的显卡不推荐你使用这个版本，尝试将指令里的1.13换成1.14再试一下，还不行的话就试试1.12，一直向下降低版本，1.14-1.8都可以尝试，一定可以找到合适你的显卡的版本，能看到cuda，就对了，点y安装。
tensorflow2.0以上的版本我没有测试过，但原理相同。

验证GPU

还是启动虚拟环境
逐行输入

python
import tensorflow as tf 
tf.test.is_gpu_available()

返回true，恭喜你，就是成功了

测试GPU性能

我这里运行了ssd_inception_v2神经网络，具体实现方案与本主题无关，不再赘述，可以看到运行速度很快，我之前用CPU跑的时候一步要将近20秒，现在只要一两秒。

再看一下GPU占用

总结

使用conda install tensorflow-gpu可以便捷安装GPU版tensorflow，不需要手动安装cuda等复杂操作，在不能自动识别安装cuda时，尝试更改tensorflow的版本，即可成功安装。