原创

Windows配置tensorflow-gpu环境:最新,最快速,容错率最高的方法,没有之一。

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://zhuyulab.blog.csdn.net/article/details/88779670

本方法优点

  • 不需要逐个自己安装cuda, cudnn甚至vs2015等坑爹玩意
  • 不会直接在自己电脑上装cuda,防止各种路径混乱之类。
  • 可以多个cuda兼容操作
  • 可以完美的在不影响已有tf1.0系列的情况下,完美使用tf2.0
    对于绝大部分读者,第一条已经是足够的理由了,毕竟现在大部分的博客攻略还是大费周章的。

准备工作

以我电脑为例,但本方法绝对不限于此种配置

系统Windows 10, 显卡1080Ti

前期准备

  1. 从英伟达官网更新显卡驱动至最新版本,以前受某些博客影响,担心驱动过新无法向前兼容。今天破釜沉舟之下发现, 最新驱动仍可以兼容Cuda9.0,因此不会导致以前的cuda无法使用。相反,最新驱动可以让你支持最新的cuda
  2. 官网下载Anaconda3最新版本。根据本人经验,只要你想做python开发且是新手,迟早要下的。

开工

  1. 打开 Anaconda Prompt。 (下完anaconda后自动会出现,开始菜单的Anaconda3可以找到)输入以下命令行创建新环境:
    conda create -n tf2 python=3.6这段代码的意思就是新创建一个名为tf2的python3.6环境。这是Anaconda广为使用的原因之一,很容易切换多个python版本。
    紧接着运行activate tf2,进入tf2环境。(成功的话会发现命令行前面括号里从’base’变成了’tf2’)
  2. 下载tensorflow-gpu。这一步以tensorflow2.0为例, 继续在Anaconda窗口运行pip install tensorflow-gpu==2.0.0-alpha0。很快安装成功(速度太慢的话自行百度切换pip镜像源
  3. 依次运行conda install -c anaconda cudatoolkitconda install cudatoolkit cudnn。本来这两个东西是要自己去官网下载安装还要配各种path变量之类的。幸而,conda帮你完成了。 有几大好处:
  • 极其省事
  • 不需要配置变量名,防止出错
  • 只下载了cudatoolkit,没有下载一整个,空间节约了三倍以上
  • cuda下载在当前的虚拟环境(如这里的tf2)而非在C盘整个系统环境中。因此可以同时兼容多个cuda版本,环境间互不干扰

完工

测试一下:可以直接在Anaconda Prompt里输入pythonJ进入python环境
然后运行

import tensorflow as tf
x = tf.constant([1])

如果没有报任何错误,那么已经成功配置!
重复上述操作,可以创建许多不同tensorf版本不同cuda版本的环境,来支持不同的版本的代码运行!

后话

下午本着尝试tf2.0的心态,惊喜的发现了这一操作。相比去年安装cuda9实在是轻松了太多。然而现在还没有详细叙述这一方法的博文,因此本着分享的心态,以这篇博文志之,希望对需要帮助的有所裨益。所有问题都可以直接评论讨论,也可以邮箱联系lint17@fudan.edu.cn

Tips

tensorflow2.0的API修改有点多,目前来看文档太少,大家可以不急着升级。

0 个人打赏
文章最后发布于: 2019-03-24 18:06:07
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客

打赏

Fudan_Zhuyulab

“你的鼓励将是我创作的最大动力”

5C币 10C币 20C币 50C币 100C币 200C币

分享到微信朋友圈

×

扫一扫,手机浏览