Windows10下使用Conda安装TensorFlow-GPU

以你之姓@ 2022-12-24 14:50 129阅读 0赞

### Windows10下使用Conda安装TensorFlow-GPU ###

*  一、CUDA与cuDNN下载安装
 *  二、Conda下安装TensorFlow
 *  三、PyCharm使用搭建的tensorflow环境
 *  参考文档

# 一、CUDA与cuDNN下载安装 #

进行神经网络训练时，如果搭配显卡即使用GPU进行训练，速度会高于使用CPU进行训练。TensorFlow同时支持CPU和GPU训练，在下载安装时选择安装tensorflow而不是tensorflow-cpu，就可以使用GPU进行快速训练。而在安装TensorFlow之前需要下载安装CUDA与cuDNN。  
**CUDA**(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台，它是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。  
**cuDNN**是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销，可以集成到更高级别的机器学习框架中。  
CUDA和cuDNN版本需要与要安装的TensorFlow版本相对应，对应列表可以查看官网说明[https://tensorflow.google.cn/install/source\_windows][https_tensorflow.google.cn_install_source_windows]，如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ_size_16_color_FFFFFF_t_70_pic_center]  
截至2020年11月TensorFlow最新版本为2.4版本，但官网说明中未给出对应cuda版本，本文以安装2.3版本为例，下载安装cuda10.1与cudnn7.4。  
cuda官网下载地址为[https://developer.nvidia.com/cuda-toolkit-archive][https_developer.nvidia.com_cuda-toolkit-archive]，选择CUDA Toolkit 10.1 update2，进入下载页面，选择操作系统类型及版本和安装类型（在线或离线），然后下载安装包，安装时选择默认选项即可。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ_size_16_color_FFFFFF_t_70_pic_center 1]  
cuDNN下载地址为[https://developer.nvidia.com/cudnn-download-survey][https_developer.nvidia.com_cudnn-download-survey]，进入该界面后需要先按照提示使用邮箱注册账号，网速会有些慢，注册完毕后还需要再填写调查问卷，填写提交之后进入下载页面[https://developer.nvidia.com/rdp/cudnn-download][https_developer.nvidia.com_rdp_cudnn-download]，在选择版本时发现7.4版本中没有For CUDA10.1，与TensorFlow官网说明不符，本文选择cuDNN7最新版**cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1**，然后选择系统版本，下载压缩包。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ_size_16_color_FFFFFF_t_70_pic_center 2]  
下载完成后解压缩，将下图三个文件夹内的文件复制到CUDA安装目录下对应目录内即可。  
![在这里插入图片描述][20201128232331454.PNG_pic_center]

# 二、Conda下安装TensorFlow #

使用conda下载依赖包时默认的源地址速度较慢，所以需要更换成国内的源，一般是清华、中科大、阿里云等源，首先打开Anaconda Powershell Prompt进入命令行界面，然后输入如下命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
    conda config --set show_channel_urls yes

然后创建一个用于使用TensorFlow的环境，命令如下：

conda create --name tensorflow python=3.8.6

回车之后会下载包然后安装，成功安装后界面如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ_size_16_color_FFFFFF_t_70_pic_center 3]  
输入如下命令进入创建的环境中，下载TensorFlow：

conda activate tensorflow
    pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/

下载安装完成后，输入python进行解释器中，输入：

import tensorflow as tf
    print(tf.__version__)
    print('GPU', tf.test.is_gpu_available())

若输出tensorflow版本号"2.3.0"和“GPU ture"，说明成功。

# 三、PyCharm使用搭建的tensorflow环境 #

PyCharm的简介和安装见本博客其他文章，打开PyCharm软件，选择New Project，进入如下界面：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ_size_16_color_FFFFFF_t_70_pic_center 4]  
选择Existing Interpreter，点击…图标，进入Add Python Interpreter界面，选择Conda Environment，点击…图标，选择刚才创建的tensorflow环境内的python.exe，最后点击OK。  
![在这里插入图片描述][20201129002357185.PNG_pic_center]  
返回创建项目界面，写入项目名称，点击create即可。  
在main.py中输入如下测试代码，点击运行：

import tensorflow as tf
    print(tf.__version__)
    print('GPU', tf.test.is_gpu_available())

输出如下图即创建项目成功。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ_size_16_color_FFFFFF_t_70_pic_center 5]

# 参考文档 #

[win10下CUDA和CUDNN的安装（超详细）！亲测有效！][win10_CUDA_CUDNN]  
[nvidia驱动，cuda与cudnn的关系][nvidia_cuda_cudnn]  
[win10+tensorflow2.3GPU+cuda11+cudnn8+python3.8编译(AVX2)][win10_tensorflow2.3GPU_cuda11_cudnn8_python3.8_AVX2]  
[Anaconda换源][Anaconda]  
[conda创建新环境][conda]  
[Anaconda查找包,下载包,更新包,删除包][Anaconda 1]  
[经验：WIN10+GTX1070下，tensorflow2.3-GPU+CUDA10.1+cuDNN765的安装][WIN10_GTX1070_tensorflow2.3-GPU_CUDA10.1_cuDNN765]  
[在PyCharm中使用Anaconda环境][PyCharm_Anaconda]

[https_tensorflow.google.cn_install_source_windows]: https://tensorflow.google.cn/install/source_windows
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/95acca33d6a74427be863de2779b784c.png
[https_developer.nvidia.com_cuda-toolkit-archive]: https://developer.nvidia.com/cuda-toolkit-archive
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221120/d95a8fc0ca9e4f5cb6883d6ea1fe2cba.png
[https_developer.nvidia.com_cudnn-download-survey]: https://developer.nvidia.com/cudnn-download-survey
[https_developer.nvidia.com_rdp_cudnn-download]: https://developer.nvidia.com/rdp/cudnn-download
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221120/5a03fae2c6264910be448284008ae744.png
[20201128232331454.PNG_pic_center]: https://img-blog.csdnimg.cn/20201128232331454.PNG#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ_size_16_color_FFFFFF_t_70_pic_center 3]: https://img-blog.csdnimg.cn/2020112823530799.PNG?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ_size_16_color_FFFFFF_t_70_pic_center 4]: https://img-blog.csdnimg.cn/2020112900161722.PNG?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ==,size_16,color_FFFFFF,t_70#pic_center
[20201129002357185.PNG_pic_center]: https://img-blog.csdnimg.cn/20201129002357185.PNG#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ_size_16_color_FFFFFF_t_70_pic_center 5]: https://img-blog.csdnimg.cn/20201129003024489.PNG?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njg0NjY4NQ==,size_16,color_FFFFFF,t_70#pic_center
[win10_CUDA_CUDNN]: https://blog.csdn.net/u011473714/article/details/95042856
[nvidia_cuda_cudnn]: https://blog.csdn.net/qq_35941018/article/details/96481116
[win10_tensorflow2.3GPU_cuda11_cudnn8_python3.8_AVX2]: https://blog.csdn.net/weixin_42122722/article/details/108264017
[Anaconda]: https://blog.csdn.net/u013066730/article/details/106802591
[conda]: https://blog.csdn.net/SARACH_WONG/article/details/89328307
[Anaconda 1]: https://blog.csdn.net/NDKHBWH/article/details/101299078
[WIN10_GTX1070_tensorflow2.3-GPU_CUDA10.1_cuDNN765]: https://blog.csdn.net/weixin_42247401/article/details/107811614
[PyCharm_Anaconda]: https://blog.csdn.net/zhuorong_/article/details/88534676