RTX2060 —— Anaconda + CUDA 10.0 +Cudnn 7.3 + Tensorflow-GPU + Keras 安装（三）Tensorflow + Keras

最新推荐文章于 2024-03-23 23:44:48 发布

weixin_39746008

最新推荐文章于 2024-03-23 23:44:48 发布

阅读量2.1k

点赞数 1

分类专栏： Anaconda和他的小伙伴文章标签： rtx2060 tensorflow keras

本文链接：https://blog.youkuaiyun.com/weixin_39746008/article/details/99489815

版权

Anaconda和他的小伙伴专栏收录该内容

5 篇文章

订阅专栏

1. 给Anaconda添加镜像

添加清华镜像

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 --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

conda config --set show_channel_urls yes

查看镜像

conda config --show channels

2. 搭建tensorflow的虚拟环境（python3.7）

创建环境

conda create -n <tensor_susan> python=3.7

在这里插入图片描述

进入该环境

conda activate tensor_susan

*如果需要退出该环境，回到base，则输入命令

conda deactivate

3. 安装tensorflow对应版本

手动安装

可以在github上直接下载支持的tensorflow gpu的.whl文件，再用pip安装

github链接
https://github.com/fo40225/tensorflow-windows-wheel
对应找到py37, CUDA v10, cuDNN 7.3版本的tensorflow，下载windows版本
点进去后找到
下载到本地
手动安装（pip）tensorflow
打开Anaconda Shell Prompt，进入刚才创建的tensorflow虚拟环境。

conda activate <tensorflow环境名>

cd到刚才下载whl文件的目录。

cd <安装了whl文件的路径>

用pip安装：

pip install tensorflow_gpu-1.12.0-cp37-cp37m-win_amd64.whl

在这里插入图片描述
安装完成。

Anaconda 安装

直接输入命令即可

conda install tensorflow-gpu

（安装的是py37, tensorflow gpu 1.14.0版本）

5. Tensorflow的检验（利用pycharm）

设置python Interpreter
打开PyCharm，新建项目，设置好Python Interpreter。
Python Interpreter设置/修改方法：File–Settings–Project <项目名>–Project Interpreter–点击add
在添加解释器的界面左边选择Conda Environment–Existing Environment
在Interpreter出选择之前所创建的tensorflow环境的python.exe文件
具体的路径是

<Anaconda安装路径>\envs\<tensorflow虚拟环境名>\python.exe

然后点OK，环境配置完成。

利用脚本检测
新建Python脚本，输入代码：（来自网络）

import tensorflow as tf

with tf.device('/cpu:0'):
    a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')
    b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')
with tf.device('/gpu:1'):
    c = a + b

# 注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
# 因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))
# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

运行后，如果能看到gpu信息，则表示配置成功
在这里插入图片描述
至此，Tensorflow安装并检验完成。

6. Keras安装

Keras安装官方说明

创建虚拟环境
Ps：可以直接继续在之前安装了Tensorflow的虚拟环境（我的是tensor_susan）继续安装keras，也可以克隆之前的tensorflow虚拟环境，在新的虚拟环境中安装Tensorflow。

克隆tensorflow虚拟环境，并命名好新的Keras环境并激活

conda create -n keras_susan --clone tensor_susan
conda activate keras_susan

安装Keras

pip install keras

或

conda install keras-gpu

如果输入conda install keras会装成依赖cpu的

Ps: 之前我也不知道为什么创建了一个python 3.6版本的keras虚拟环境，然后import tensorflow或者import keras都会报错：

No module named '_pywrap_tensorflow_internal'

上网查阅资料过后，发现应该是CUDA,cuDNN版本与Python版本的兼容问题。最后重新用python3.7搭建虚拟环境后，直接conda install tensorflow-gpu，然后conda install keras-gpu就安装好了，没有再出现问题。

Tensorflow & CUDA & cuDNN 各版本之间的关系

Tensorflow官网的说明
在这里插入图片描述