从零开始深度学习(一)【环境搭建:(win10+N卡)python+tensorflow-gpu安装】
从零开始深度学习(一)【环境搭建:python+tensorflow-gpu安装】
【写在前面的话】由于本人新换了个电脑,配置是win10的系统+N卡,要重新装环境,中间遇到了很 多问题,所以写下来也能帮自己总结一下,下次再换电脑可以回头看看。这整个教程将会比较完整, 有很多细节,从头教起,就算你是一个电脑小白,拿到一台新电脑,也可以开始愉快的深度学习之 旅,这个系列博客将伴随着我正在做的毕业设计缓慢更新。
一、python+pycharm安装
首先,你需要先装好python,这里推荐大家使用的方法是直接安装Anaconda,这是一个非常庞大的库,你装好后以后基本再无后顾之忧,我也直接下载过python,后面跑代码的时候无限报错缺库,要一直pip install安装。所以这里推荐直接安装Anaconda(里面就有python)。具体安装方法直接贴链接: Python入门:Anaconda和Pycharm的安装和配置。这篇文章算比较简单的安装方法了,我装的pycharm community版,文章里有专业版的破解方法,如果你是学生,那么自己注册一个License也可以,这里可以暂时不用配置project interpreter, 你也可以先配置一下看看你的库是否都装好了,解释器里带的库在底下都会一一展示出来,如下图所示。
然后这里推荐使用国内的源来使用pip和conda下载,会快很多(方法链接都贴上了)。
二、Visual studio安装
为什么要装VS,因为其实tensorflow包括python的很多运算库,其实都是基于C++的,如果不装后面会遇到很多问题的。我由于自己也写C,所以安装的是最新的VS2017,用的比较顺手,但是这会导致后面CUDA的安装比较麻烦,介意的同学可以安装VS2015,或者两个都装也没问题。
这个装起来也很简单,直接百度Visual studio IDE,community版是免费的,先下载一个Visual studio Installer。
运行后,直接勾选C++的桌面开发,然后右边注意一下,勾上Windows 10 SDK(10.0.17763.0),适用于桌面的VC++2015工具集,和 .NET Native。
三、CUDA+cudnn安装
这两个是tensorflow-gpu 必备的,如果装cpu的则不用装。先去官网下CUDA,推荐下载9.0版本因为你要注意Tensorflow和CUDA的版本问题,我在下面贴出来了,你想自己配也没问题,本篇博文的版本反正都是对的上的,如果后面有版本不对的问题我也会说明一些解决方案的。
这里是CUDA对应的显卡驱动版本:
这里是tensorflow-gpu对应的python,CUDA,cudnn版本:
CUDA和cudnn具体安装方法可以见这篇博客,这里说几个我出现的问题给大家参考:
(1)非常重要的一点,你需要先卸载你的显卡驱动,顺便你卸载了显卡驱动,你的显卡接的显示器就不能用了,我是两个屏,一个接集显,一个接独显,只有一个屏的可以选择在开机的时候设置集显(板载)输出,插的时候也注意插主机上面的集显插口,具体原因可以查看这篇博客。
(2)安装CUDA的界面一开始会蹦出来一个是否要继续的警告:The graphics driver could not find compatible graphics hardware,上面那篇博客也说了,是你本机的显卡驱动版本比CUDA自带的驱动版本高的问题,他给出来的解决方法是直接点击继续—>同意并继续—>自定义(高级)—>只选择CUDA进行安装,最后安装成功。
但是我后面还是出问题了,出现了CUDA driver version is insufficient for CUDA runtime version 的问题,最后是用的这篇博客解决的,不过这应该是tensorflow安装后的问题。
(3)这样勾选后仍然会安装失败,把CUDA中的visual stduio installer给去掉,这样就能安装成功了。
(4)在编译samplevs2017的时候,项目都显示无法打开,重新生成也不行,最后发现其实是权限的问题。我直接右键CUDA Samples文件夹,属性–安全–对所有的用户都把完全控制勾上,就可以了。
(5)生成之后,但是编译又出现了问题,是因为装的是新版的VS2017,所以需要简单地配置一下,具体方法可以见这篇博客
四、Tensorflow-gpu安装
上面的的博客里也有说明如何安装tensorflow,但是我按那个方法来不行,我在这里使用的是另一个方法:
首先创建一个conda环境:
conda create -n tensorflow pip python=3.7
然后激活环境:
activate tensorflow
这样就进入了刚创建的“tensorflow”环境。
然后我们选择使用conda命令来安装tensorflow,这个命令智能一点,会帮你更新,补一些需要的包:
conda install tensorflow-gpu
最后注意一下添加环境变量,以上提到的博客都有写。
五、Pycharm配置+测试
pycharm的一次性设置的方法:设置pycharm下解释器interpreter的路径。在Pycharm的设置中选择之前Anaconda Navigator建立的Tensorflow环境,而非默认的anaconda环境,然后采用这个环境即可使用tensorflow这个模块了。
如果你是使用jupyter notebook之类的工具的话,那么需要先打开cmd,每次都要激活tensorflow环境,再打开jupyter notebook,就可以了。
然后接下来我们测试一下,参考的是这篇博客
如果还出现问题多半是版本不符合,本篇博客使用的是python3.6+tensorflow1.9+vs2017+CUDA9.0+cudnn7.3,教大家一些检查的方法:
(1)查看自己的GPU的版本方法
(2)在cmd窗口里输入:conda list 来查看cudatoolkit和cudnn程序包的版本
(3)查看tensorflow版本号的方法
总之版本都检查一下,很有可能就是版本对不上的问题导致安装失败,我这篇博客自认为还比较完整详细,其实主要是把我遇到的问题和别人的博客整理了一下,有一些可能复制了一些内容但是忘了贴出链接,如果您感觉到了不愉快可以联系我,我会注明出处的。
最后希望能对大家有帮助。
- [置顶] 深度学习框架搭建 Ubuntu16.04+CUDA+Anaconda4.2+Python3.5+keras+TensorFlow gpu+cuDNN
- 深度学习GPU环境搭建:ubuntu16.04+GTX1070+Cuda8.0+tensorflow build from source
- 学习笔记1:深度学习环境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0
- 折腾记要——Ubuntu 14.04系统安装Nvidia CUDA7.5并搭建Python Theano深度学习开发环境
- ubuntu16.04 caffe+tensorflow等深度学习环境搭建
- [AI开发]centOS7.5上基于keras/tensorflow深度学习环境搭建
- windous10下+Anaconda+深度学习框架(TensorFlow cpu/gpu 、Keras、Pytorch)+Cuda+Cudnn+pycharm安装教程及避坑手册
- Tensorflow1.4.0(GPU)+Win10+Anaconda5.0.1+CUDA8.0+cuDNN6.0+Python3.6深度学习环境安装
- Windows7+anaconda2+python3+PyCharm+TensorFlow 环境搭建(无GPU)
- Ubuntu18.04安装CUDA9.0,cudnn7.1.3,opencv3.4 tensorflow GPU 1.10 搭建GTX1070深度学习环境
- 在U盘里配置好主流深度学习框架及GPU环境theano\tensorflow\keras\caffe\cuda7.5
- 【深度学习】笔记1_Ubuntu14.04下caffe环境的搭建,无GPU版本以及python可视化环境的配置
- 从零开始Windows环境下安装python+tensorflow
- 【深度学习环境配置】Ubuntu16.04+CUDA8.0+CUDNN6.0安装OpenCV3+Anaconda3+Tensorflow+Caffe(一)
- 利用虚拟机搭建基于tensorflow框架的深度学习环境。VMware workstation12 + ubuntu16.04 + Anconda + Tensorflow
- 深度学习Dya1-初识Python(Python环境搭建及numpy、matplotlib包安装)
- 基于Ubuntu + anaconda + tensorflow + jupyter的Python深度学习开发环境配置
- 深度学习python库安装经验,Windows下安装Anaconda3 pycharm tensorflow keras theano中遇到的问题
- 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
- 在Ubuntu的环境下,使用Spyder+TensorFlow搭建深度学习环境