Tensorflow深度学习环境搭建
查看显卡支持的cuda
安装VS2015
原因分析:
原因一:系统里面已经存在了Microsoft Visual C++ 2015版本。
原因二:系统里面有更高的Microsoft Visual C++版本,例如Microsoft Visual C++ 2017版本
解决方案:
原因一解决方案:卸载Microsoft Visual C++ 2015了再安装即可。
原因二解决方案:同时卸载Microsoft Visual C++ 2015和卸载Microsoft Visual C++ 2017,再安装Microsoft Visual C++ 2015-2019即可。
注:最后记得把Microsoft Visual C++ 2017安装回来。
安装anaconda
anaconda下载:https://www.anaconda.com/products/distribution
3.配置环境变量
D:\Anaconda
D:\Anaconda\Scripts
D:\Anaconda\Library\bin(可以不加,不加有可能出现无法创建虚拟环境的问题)
4.检测是否安装成功
conda –version
conda info
5.创建环境
conda create –name env_name python=3.6
注意关闭terminal
注意:如果找不到.condarc文件
conda config –add channels r
安装cuda
各版本CUDA官网下载链接:https://developer.nvidia.com/cuda-toolkit-archive
下载完成后根据提示一直next即可。
注: 打开Anaconda Prompt输入nvcc –version
或nvcc -V
,查看安装结果,出现如下显示则表示安装成功。
(base) C:\Users\L>nvcc -V
nvcc: NVIDIA ® Cuda compiler driver
Copyright © 2005-2016 NVIDIA Corporation
Built on Sat_Sep__3_19:05:48_CDT_2016
Cuda compilation tools, release 8.0, V8.0.44
安装cudnn
各版本cuDNN下载地址:https://developer.nvidia.com/rdp/cudnn-archive
下载完成后解压,有如下文件夹
将上方文件夹及其中文件复制到CUDA的安装目录下
激活环境进行下一步安装(切记!)
conda 安装将自动安装 GPU 支持所需的 CUDA 和 CuDNN 库。pip 安装则需要手动安装这些库。
conda install tensorflow-gpu==1.13.2
这是另外一种方法(这种方法可能遇见包找不到,就选择更换cudnn版本或者cuda版本)
conda install cudatoolkit=10.0
conda install cudnn=7.4
pip install tensorflow-gpu==1.13.2