Nemo
Nemo
Tensorflow环境搭建
Tensorflow环境搭建

安装Visual Studio

Tensorlfow需要Visual Studio环境的支持,所以我们首先安装VS2019,去官网下载就好了,这里就选择Community版本,要是速度慢的话,这里提供百度云下载连接:

链接:https://pan.baidu.com/s/1vIkU6ASVelAcQyk62D5eUQ
提取码:y1px
复制这段内容后打开百度网盘手机App,操作更方便哦

下载后解压安装就好了。

因为官方的安装方式就像一个下载器,要想把安装文件一次性的缓存到本地离线安装,可以采用下面的办法。

制作离线版Visual Studio

  1. 首先下载你想要安装不同版本的安装文件,这里以Community为例:

    https://essay-1256185664.cos.ap-guangzhou.myqcloud.com/%E5%8D%9A%E6%96%87%E9%85%8D%E5%9B%BE/19-6-4_tensorflow%E5%AE%89%E8%A3%85%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B/2019-06-15-23-21-34.jpg

    下载完成后先不要急着运行,在相同目录下创建一个文件夹,便于操作我们取名为:vs2019_community,如下图:

    https://essay-1256185664.cos.ap-guangzhou.myqcloud.com/%E5%8D%9A%E6%96%87%E9%85%8D%E5%9B%BE/19-6-4_tensorflow%E5%AE%89%E8%A3%85%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B/2019-06-15-23-21-40.jpg

    1. 在目录下按住shift键后右键,启动Powershell窗口,在任务栏上的Powershell窗口上右键选择‘以管理员身份运行’,然后键入以下内容:
    ./vs_community.exe --layout E:\你的路径\vs_community_2 --lang zh-CN
    

    这里说明一下这里的参数的含义:

    详见 :https://docs.microsoft.com/en-us/visualstudio/install/create-an-offline-installation-of-visual-studio?view=vs-2019
    
  2. 回车运行就好了,开始下载Visual Studio,关注进度不出错就完成了。

安装CUDA

查看英伟达的CUDA版本:

步骤:

1. 桌面右键单击,进入NVIDIA控制面板

2. 控制面板-帮助-系统信息-组件:

https://essay-1256185664.cos.ap-guangzhou.myqcloud.com/%E5%8D%9A%E6%96%87%E9%85%8D%E5%9B%BE/19-6-4_tensorflow%E5%AE%89%E8%A3%85%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B/Inked%E5%BD%95%E5%83%8F%E6%95%99%E7%A8%8B.mp4_20190604_151425.527_LI.jpg

可以看到在当前驱动版本下的CUDA版本为10.0。

下载对应版本的CUDA和cudnn

1. 访问nvidia developer官网,[地址在这里](https://developer.nvidia.com/cuda-toolkit-archive),可以看到CUDA的所有历史版本,选择对应的版本,下载local版就好了。

https://essay-1256185664.cos.ap-guangzhou.myqcloud.com/%E5%8D%9A%E6%96%87%E9%85%8D%E5%9B%BE/19-6-4_tensorflow%E5%AE%89%E8%A3%85%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B/%E5%9B%BE%E5%83%8F%20002.jpg

2.根据CUDA与cudnn的版本对照表,地址在这里,下载对应与CUDA版本的cudnn。

https://essay-1256185664.cos.ap-guangzhou.myqcloud.com/%E5%8D%9A%E6%96%87%E9%85%8D%E5%9B%BE/19-6-4_tensorflow%E5%AE%89%E8%A3%85%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B/%E5%9B%BE%E5%83%8F%20004.jpg

3.安装CUDA和cudnn

先安装CUDA,直接运行,这里选择精简模式,也有教程是自定义模式,取消VS安装的部件。

https://essay-1256185664.cos.ap-guangzhou.myqcloud.com/%E5%8D%9A%E6%96%87%E9%85%8D%E5%9B%BE/19-6-4_tensorflow%E5%AE%89%E8%A3%85%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B/%E5%BD%95%E5%83%8F%E6%95%99%E7%A8%8B.mp4_20190604_151628.215.jpg

安装完成后,解压cudnn,把得到的三个文件夹直接复制到CUDA的安装目录,这里我是安装到C盘:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

https://essay-1256185664.cos.ap-guangzhou.myqcloud.com/%E5%8D%9A%E6%96%87%E9%85%8D%E5%9B%BE/19-6-4_tensorflow%E5%AE%89%E8%A3%85%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B/%E5%BD%95%E5%83%8F%E6%95%99%E7%A8%8B.mp4_20190604_152008.872.jpg

安装完成后,在系统变量中已经可以看到相应的值。

https://essay-1256185664.cos.ap-guangzhou.myqcloud.com/%E5%8D%9A%E6%96%87%E9%85%8D%E5%9B%BE/19-6-4_tensorflow%E5%AE%89%E8%A3%85%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B/%E5%BD%95%E5%83%8F%E6%95%99%E7%A8%8B.mp4_20190604_151713.972.jpg

到这里CUDA和cudnn的安装就结束了。

创建对应的Python虚拟环境并安装TF

1. 我使用的是Anaconda来创建python的虚拟环境,因为现在tensorflow所支持的最高python版本为3.6。直接在Anaconda Navigator里创建相应的Python版本,并命名为tensorflow。

https://essay-1256185664.cos.ap-guangzhou.myqcloud.com/%E5%8D%9A%E6%96%87%E9%85%8D%E5%9B%BE/19-6-4_tensorflow%E5%AE%89%E8%A3%85%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B/%E5%BD%95%E5%83%8F%E6%95%99%E7%A8%8B.mp4_20190604_151532.541.jpg

2. 创建成功后,进入tensorlfow环境下的Scripts文件夹,在这个文件夹下以管理员身份运行cmd,安装tensorflow。

Scripts路径

C:\Users\你的用户名\Anaconda3\envs\tensorflow\Scripts

GPU版本的tensorflow安装命令:

./pip install tensorflow-gpu #调用pip

https://essay-1256185664.cos.ap-guangzhou.myqcloud.com/%E5%8D%9A%E6%96%87%E9%85%8D%E5%9B%BE/19-6-4_tensorflow%E5%AE%89%E8%A3%85%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B/%E5%BD%95%E5%83%8F%E6%95%99%E7%A8%8B.mp4_20190604_151902.336.jpg

3. 安装完成后在系统的PATH变量中添加tensorflow虚拟环境的路径。

https://essay-1256185664.cos.ap-guangzhou.myqcloud.com/%E5%8D%9A%E6%96%87%E9%85%8D%E5%9B%BE/19-6-4_tensorflow%E5%AE%89%E8%A3%85%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B/%E5%BD%95%E5%83%8F%E6%95%99%E7%A8%8B.mp4_20190604_152119.388.jpg

至此,安装就结束了,下面测试一下。

测试

在Pycharm中选用这个tensorflow的解释器,测试代码:

import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

结果:

2019-06-04 16:39:40.780280: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2019-06-04 16:39:41.210199: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1433] Found device 0 with properties:
name: Quadro P3200 with Max-Q Design major: 6 minor: 1 memoryClockRate(GHz): 1.404
pciBusID: 0000:01:00.0
totalMemory: 6.00GiB freeMemory: 4.94GiB
2019-06-04 16:39:41.210557: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1512] Adding visible gpu devices: 0
2019-06-04 16:39:42.199882: I tensorflow/core/common_runtime/gpu/gpu_device.cc:984] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-06-04 16:39:42.200070: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990]      0
2019-06-04 16:39:42.200182: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1003] 0:   N
2019-06-04 16:39:42.201899: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 4689 MB memory) -> physical GPU (device: 0, name: Quadro P3200 with Max-Q Design, pci bus id: 0000:01:00.0, compute capability: 6.1)
Device mapping:
/job:localhost/replica:0/task:0/device:GPU:0 -> device: 0, name: Quadro P3200 with Max-Q Design, pci bus id: 0000:01:00.0, compute capability: 6.1
2019-06-04 16:39:42.206646: I tensorflow/core/common_runtime/direct_session.cc:317] Device mapping:
/job:localhost/replica:0/task:0/device:GPU:0 -> device: 0, name: Quadro P3200 with Max-Q Design, pci bus id: 0000:01:00.0, compute capability: 6.1

2019-06-04 16:39:42.209553: I tensorflow/core/common_runtime/placer.cc:1059] MatMul: (MatMul)/job:localhost/replica:0/task:0/device:GPU:0
2019-06-04 16:39:42.209803: I tensorflow/core/common_runtime/placer.cc:1059] a: (Const)/job:localhost/replica:0/task:0/device:GPU:0
2019-06-04 16:39:42.210036: I tensorflow/core/common_runtime/placer.cc:1059] b: (Const)/job:localhost/replica:0/task:0/device:GPU:0
MatMul: (MatMul): /job:localhost/replica:0/task:0/device:GPU:0
a: (Const): /job:localhost/replica:0/task:0/device:GPU:0
b: (Const): /job:localhost/replica:0/task:0/device:GPU:0
[[22. 28.]
[49. 64.]]

Process finished with exit code 0

完美!使用P3200显卡,测试成功。

后记

有时发现即使我们安装了正确的CUDA和cudnn后,在Python中导入tensorflow也是会报DLL的错,这里有一个解决办法,就是先卸载目前版本的NVIDIA显卡的驱动,包括物理引擎的驱动之类的。卸载完成后,不再安装NVIDIA显卡驱动,直接安装CUDA 10.0和对应的cudnn就好了,测试后可以完美启动。

这里给出两个对应版本的配置和安装文件:

配套版本1:

显卡:GPU 1

    NVIDIA Quadro P3200 with Max-Q Design

    驱动程序版本:    25.21.14.1971
    驱动程序日期:    2019/3/18
    DirectX 版本:    12 (FL 12.1)
    物理位置:    PCI 总线 1、设备 0、功能 0

配套CUDA、cudnn下载地址:
链接:https://pan.baidu.com/s/1A0wElx_hX5HGbwP5K6BC1g
提取码:gi9w
复制这段内容后打开百度网盘手机App,操作更方便哦

配套版本2:

显卡:
    暂空
Nemo版权所有丨如未注明,均为原创丨本网站采用BY-NC-SA协议进行授权,转载请注明转自:https://kanghaov.com/165.html
https://secure.gravatar.com/avatar/9fd8359b8faa6f7789f9623ba6041e4a?s=256&d=identicon&r=g

kanghaov

文章作者

推荐文章

发表评论

textsms
account_circle
email

Nemo

Tensorflow环境搭建
安装Visual Studio Tensorlfow需要Visual Studio环境的支持,所以我们首先安装VS2019,去官网下载就好了,这里就选择Community版本,要是速度慢的话,这里提供百度云下载连接: 链接:h…
扫描二维码继续阅读
2019-06-04