本文已参与「新人创作礼」活动, 一起开启掘金创作之路。
👉引言💎
铭记于心 | ||
---|---|---|
🎉✨🎉我唯一知道的,便是我一无所知🎉✨🎉 |
学习的最大理由是想摆脱平庸,早一天就多一份人生的精彩;迟一天就多一天平庸的困扰。
【深度学习实践(一)】安装TensorFlow
1安装Anaconda
-
进入官网(由于网速问题,建议去镜站下载)
点击这里到清华镜像站下载,不用选择最新版(不太稳定),选择前排的版本即可
-
然后一路傻瓜式安装操作
这里记得更改一下安装路径,因为后期创建的虚拟环境都会在这里,如果安装在C盘,则容易造成堵塞
-
测试
只要是安装与配置,那必离不开测试:
conda —version
查看版本
2安装cuda与cudnn
2.1安装Cuda
-
查看电脑驱动
这里使用
nvidia-smi
命令可以查看自己电脑的显卡驱动版本,另外需要补充的一点是,显卡必须是英伟达家(即所谓的N卡)的才可以使用Cuda并行计算框架,本人使用拯救者R7000P使用的GTX2060即是英伟达家的显卡 -
根据驱动下载相应的Cuda安装包.
根据官方给出的数据显示
我可以下载11.5的版本
那么直接下载即可
- 运行安装程序
这里推荐使用自定义下载,可以配置下载路径
2.2 安装Cudnn
-
进入官网下载相应版本的Cudnn
在这里的版本需要根据你的cuda的版本来进行相应的匹配,在官方文档中有详细的说明。请看下图,在我的电脑中,我的安装的是11.5版本的,所以说我在这里需要下载8.4版本的cudnn
点击下载后会让你填写一个问卷调查,按不就班的填一下就好了
-
这里有指出8.4版本正好对应11.x
windows操作系统,自然选择下载zip文件
-
安装与配置
将下载好的文件包解压后,将里面的三个文件复制到cuda的对应文件中:
-
测试
进入demo_suite运行deviceQuery.exe看是否成功
3 使用Anaconda安装TensorFlow
使用Anaconda安装TensorFlow 的 GPU版本,并配置相应的运行环境
-
安装好后直接在Pycharm中使用该环境,测试如下:
-
可以查看一下是用的GPU版本还是CPU版本
import tensorflow as tf 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) sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) print(sess.run(c))
-
注意这种检验方法是原来tf1版本的,现在使用tf2,需要设置一下才可以正常使用,否则会报错
import tensorflow as tf tf.compat.v1.disable_eager_execution() 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) sess = tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True)) print(sess.run(c))
-
由此可以看出,我的是GPU
-
🌹写在最后💖:
路漫漫其修远兮,吾将上下而求索!伙伴们,再见!🌹🌹🌹