Press "Enter" to skip to content

基于Anacoda搭建虚拟环境cudnn6.0+cuda8.0+python3.6+tensorflow-gpu1.4.0

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

!一定要查准cudnn,cuda,tensorflow-gpu对应的版本号再进行安装,且 本文一切安装均在虚拟环境中完成。

 

下文以笔者自己电脑为例,展开安装教程阐述(省略anaconda安装教程):

 

1.查询电脑CUDA版本

 

 

2. 确认对应的cudnn,cuda,tensorflow-gpu版本号( 链接

 

 

3.如果先前安装过tensorflow-gpu,先卸载(没有安装过,此条可忽略)

 

activate tensorflow # 进入已有的tensorflow虚拟环境
pip3 unistall tensorflow-gpu

 

pip3 unistall tensorflow-tensorboard

 

conda env list  #检测目前安装了哪些环境

 

 

4.创建虚拟环境并进入(在anaconda prompt终端执行)

 

conda create -n tensorflow python=3.7 #(tensorflow:自己取的tensorflow环境名,Python:对应的python版本)
conda ativate tensorflow

 

 

 

5.安装cuda,cudnn

 

5.1 因为直接pip install cuda = 8.0 很容易环境出错,尽量还是避免;本文找到了镜像( 链接 ),直接下载安装包;

 

 

5.2 进入终端,cd 路径到安装包路径,如下图

 

 

 

5.3 安装cudatoolkit和cudnn-cuda安装包

 

conda install cudnn-7.1.4-cuda8.0_0.tar.bz2

 

 

5.4 但是我安装的cudnn是7.0+版本,而我需要的是6.0版本,所以我另外在anaconda navigator图形化界面进行版本更新。P:如果无法打开navigator图形化界面可参考该文章( 链接

 

 

一般出现这个错误提示,代表版本不对应。

 

至此,cuda和cudnn对应的版本已安装完成。

 

6. 安装tensorflow-gpu (最好用pip,conda命令可能引起不必要的麻烦)

 

pip3 install tensorflow-gpu==1.4.0

 

7. 验证是否安装成功

 

进入Python环境;输入

 

mport tensorflow as tf #进入tensorflow

 

tf.__version__  #tensorflow-gpu版本

 

 

 

注:当出现 蓝框warning时,是提示tensorflow2.0 以下 最好:用 numpy 1.16.+版本;输入以下命令即可。

 

pip install -U numpy==1.16.4

 

8. 虚拟环境键入pycharm编辑器;可借鉴该文章( 基于conda pycharm 的tensorflow安装配置

 

9. 测试

 

import tensorflow as tf
import numpy as np
 
# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300
 
# 构造一个线性模型
#
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b
 
# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
 
# 初始化变量
init = tf.initialize_all_variables()
 
# 启动图 (graph)
sess = tf.Session()
sess.run(init)
 
# 拟合平面
for step in range(0, 201):
    sess.run(train)
    if step % 20 == 0:
        print (step, sess.run(W), sess.run(b))
 
# 得到最佳拟合结果 W: [[0.100  0.200]], b: [0.300]

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。