深度学习入门之一:Windows10(64)+Anaconda3(Python3.5)+TensorFlow-Gpu1.4+CUDA8.0+cuDNN6安装详解及Pycharm配置指南
2018-03-07 14:44
1571 查看
为了装好环境恶补了许多知识,其实很多都是版本不兼容导致的问题。
首先,请选择你要用的TensorFlow的版本CPU?还是GPU版?如果是CPU的那么就可以忽略第四步。
同时,在安装的过程中发现:,因此为了配置环境,我们选用Python3.5,当然~
1.安装Anaconda3
Anaconda3很方便的集成了Python和各种你会用到的库,因此安装它就好啦
但最新版本的Anaconda3集成了最新的Python3.6版,它对TensorFlow支持并不友好(会报错),而比较稳定的版本是Python3.5,所以我们要寻找旧版的Anaconda3版本。(当然你也可以创建一个虚拟的Python3.5环境等各种方式解决,这里就不再赘述。)
那怎么找Python3.5相应版本的Anaconda版本呢,通过官网我们看到:
所以只要在https://repo.continuum.io/archive/中找到Anaconda3 4.2版本对应系统的版本下载安装就好。
2.安装Pycharm、新增项目
很好用的集成开发环境,深入研究后一定会对它爱不释手,教育许可证一年(到期可续),还不快试试。
安装过程就不再赘述了。
我们来看看新建项目。
右边中间小齿轮,新增本地编译器。
选择你刚刚安装Anaconda3的地址,当然可以勾选make available to all projects(然后其他的项目也可以使用这个编译器啦~)
3.安装TensorFlow-GPU
新增后,左下角找到Terminal点开,然后输入:pip install tensorflow-gpu==1.4 -i https://pypi.tuna.tsinghua.edu.cn/simple (TensorFlow1.6版本需要cuda9.0记住不是9.1,这里为了我们选择1.4作为示例,1.5没有试过不确定性兼容性。-i 表示使用国内清华的pip源,它是官网pypi的镜像,能极大的提升下载速度!)
如果你仅仅使用cpu版,那么直接 即可,然后就大功告成了!
4.安装GPU版运行所需的CUDA8.0和cuDNN6.0
官网cuDNN无法下载,CUDA下载不稳定,因此,我特意找了分享给大家!!
百度盘:链接:https://pan.baidu.com/s/1NDfhvLh2KAjTOuwGE9y19g 密码:6ek4
先安装CUDA然后将下载的cuDNN3个文件夹覆盖到安装的根目录。
然后就大功告成了!
5.测试代码import tensorflow as tf
import numpy
import matplotlib.pyplot as plt
#Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
#Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runs the op.
print (sess.run(c))运行一下吧~
首先,请选择你要用的TensorFlow的版本CPU?还是GPU版?如果是CPU的那么就可以忽略第四步。
同时,在安装的过程中发现:,因此为了配置环境,我们选用Python3.5,当然~
1.安装Anaconda3
Anaconda3很方便的集成了Python和各种你会用到的库,因此安装它就好啦
但最新版本的Anaconda3集成了最新的Python3.6版,它对TensorFlow支持并不友好(会报错),而比较稳定的版本是Python3.5,所以我们要寻找旧版的Anaconda3版本。(当然你也可以创建一个虚拟的Python3.5环境等各种方式解决,这里就不再赘述。)
那怎么找Python3.5相应版本的Anaconda版本呢,通过官网我们看到:
所以只要在https://repo.continuum.io/archive/中找到Anaconda3 4.2版本对应系统的版本下载安装就好。
2.安装Pycharm、新增项目
很好用的集成开发环境,深入研究后一定会对它爱不释手,教育许可证一年(到期可续),还不快试试。
安装过程就不再赘述了。
我们来看看新建项目。
右边中间小齿轮,新增本地编译器。
选择你刚刚安装Anaconda3的地址,当然可以勾选make available to all projects(然后其他的项目也可以使用这个编译器啦~)
3.安装TensorFlow-GPU
新增后,左下角找到Terminal点开,然后输入:pip install tensorflow-gpu==1.4 -i https://pypi.tuna.tsinghua.edu.cn/simple (TensorFlow1.6版本需要cuda9.0记住不是9.1,这里为了我们选择1.4作为示例,1.5没有试过不确定性兼容性。-i 表示使用国内清华的pip源,它是官网pypi的镜像,能极大的提升下载速度!)
如果你仅仅使用cpu版,那么直接 即可,然后就大功告成了!
4.安装GPU版运行所需的CUDA8.0和cuDNN6.0
官网cuDNN无法下载,CUDA下载不稳定,因此,我特意找了分享给大家!!
百度盘:链接:https://pan.baidu.com/s/1NDfhvLh2KAjTOuwGE9y19g 密码:6ek4
先安装CUDA然后将下载的cuDNN3个文件夹覆盖到安装的根目录。
然后就大功告成了!
5.测试代码import tensorflow as tf
import numpy
import matplotlib.pyplot as plt
#Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
#Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runs the op.
print (sess.run(c))运行一下吧~
相关文章推荐
- 深度学习tensorflow-gpu环境搭建避坑指南-win10_anaconda_python3.5_cuda8.0
- Tensorflow1.4.0(GPU)+Win10+Anaconda5.0.1+CUDA8.0+cuDNN6.0+Python3.6深度学习环境安装
- Ubuntu16.04+GTX1050ti+CUDA8.0+TensorFlow-gpu+Keras+Pycharm配置深度学习环境
- Ubuntu 16.04 + CUDA 8.0 + cuDNN v5.1 + TensorFlow(GPU support)安装配置详解
- win10下基于python(anaconda)安装gpu版本的TensorFlow以及kears深度学习框架
- Win10下CUDA8.0+cuDNN6.0+python3.5+tensorflow_gpu的安装
- [置顶] Tensorflow GPU安装指南 (Ubuntu 16.04 anaconda cuda8.0 cuDNN6.0)
- Windows10离线安装Anaconda3-4.2.0-Windows-x86_64.exe(对应python3.5)和tensorflow_gpu-1.7.0-cp35-cp35m-win_amd
- ubuntu16.04+cuda8.0+cudnn6.0+python3.5+Tensorflow1.4_GPU
- ubuntu16.04:cuda8.0+python3.5+tensorflow1.4+opencv3.2安装说明
- [置顶] 深度学习框架搭建 Ubuntu16.04+CUDA+Anaconda4.2+Python3.5+keras+TensorFlow gpu+cuDNN
- Ubuntu16.04LTS+CUDA8.0+cuDNN5.1+Anaconda3(python3.6)+tensorflow_gpu-1.2.1安装过程全记录
- 深度学习环境配置Ubuntu16.04+CUDA8.0+CuDNN+Anaconda2+openCV2.4.9+caffe(全离线GPU版)
- 深度学习框架tensorflow配置(ubuntu14.04+cuda8.0+cudnn v5.1+anaconda2+tensorflow)
- 深度学习- win10+Anoconda3-2.4.0+cuda8.0+TensorFlow-GPU+Pycharm2016测试Demo-GPU加速环境配置
- Caffe深度学习入门——Ubuntu16.04 + CUDA9.1+cudnn7.5 + opencv3.3.1+python3.5+caffe安装参考博客和跳坑笔记
- Ubuntu 17.10 一步安装NVIDIA驱动 + CUDA8.0 在GTX1070笔记本上配置深度学习环境
- Windows10(64bit,显卡GTX1050Ti)环境下的python3.5.2+tensorflow(gpu)+opencv安装配置
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- Win10 x64 + CUDA 8.0 + cuDNN v6.0 + TensorFlow GPU 1.3 安装指南