PyCharm环境下TensorFlow2.2.0(GPU)的配置

本文记录了在PyCharm中配置TensorFlow 2.2.0 GPU版本的过程,包括Python、PyCharm、CUDA和cuDNN的版本选择,以及遇到的问题和解决方案。主要步骤包括:选择合适的软件版本,通过PyCharm安装tensorflow-gpu,设置环境变量,测试代码运行等。在测试阶段,注意1.x和2.x代码的兼容性,并解决初次运行时可能出现的长时间等待及日志信息过多的问题。

深度学习课程要做一个手写体识别的实验,查了下资料很多都使用TensorFlow,因此今天费了点时间配置了一下,整理一下自己碰到的一些问题,便于以后再配置。

主要参考文章:

1.windows下用pycharm安装tensorflow简易教程
2.【TensorFlow】Windows10 64 位下安装 TensorFlow - 官方原生支持

列一下我在配置过程中的一些问题:

1.首先是我用到的版本号
Python和PyCharm的版本号没有那么严格的要求,我使用的为:
Python----3.7.4
PyCharm----2020.1.2 (Community Edition)
TensorFlow、CUDA以及cuDNN版本号要求对应比较严格,我按照以下版本配置好了:
TensorFlow(GPU)----2.2.0
CUDA----10.1.243_426.00(约2.5G)
cuDNN----10.1-windows10-

### PyCharm 安装 TensorFlow GPU 版本教程 #### 准备工作 为了成功安装并配置支持GPUTensorFlow,在PyCharm环境中需完成如下准备工作: - **Python环境**:建议使用Python 3.7版本,因为这是经过验证能够良好兼容TensorFlow-GPU 2.2.0的选择[^1]。 - **编辑器准备**:确保已安装最新版PyCharm IDE作为开发平台。 #### 软件依赖项安装 按照指定组合来设置必要的软件组件对于实现最佳性能至关重要: - **CUDA Toolkit**: 需要下载并安装适用于Windows系统的CUDA toolkit 10.1版本。这一步骤是为了让TensorFlow能利用NVIDIA显卡进行计算加速。 - **cuDNN Library**: 同样针对Windows系统,应获取与上述CUDA相匹配的cuDNN库v8.04.30 (for CUDA 10.1),以及额外加入来自较旧版本(v7.65.32) 的`cudnn64_7.dll`文件以防止潜在错误发生。 #### 创建虚拟环境与安装TensorFlow-GPU 创建一个新的虚拟环境有助于隔离项目所需的特定包及其版本号,从而减少冲突的可能性。通过命令行执行以下操作可达成此目的: ```bash python -m venv my_tensorflow_env my_tensorflow_env\Scripts\activate.bat ``` 激活新建立的虚拟环境之后,继续安装所需版本的TensorFlow-GPU: ```bash pip install tensorflow-gpu==2.2.0 ``` 此时应该可以在PyCharm内选择刚创建好的虚拟解释器,并开始编写基于GPU加速的应用程序了。 #### 测试GPU可用性 确认GPU已经被正确识别并且可以被TensorFlow调用是非常重要的。可以通过下面这段简单的测试代码来进行验证: ```python import tensorflow as tf print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU'))) tf.test.is_gpu_available() ``` 如果一切正常的话,以上脚本将会输出当前机器上的GPU数量,并返回True表示GPU确实处于可用状态[^2]。
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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