!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
其他问题(tensorflow-gpu安装过程中出现的tf.test.is_gpu_avaiable()返回false的一部分解决方法)
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]