使用Tensorflow最舒服的环境是Google Colab:什么都不用安装,而且用的是云端计算资源。然而Colab的免费版有使用时间限制和计算资源限制,收费版性价比很高,但必须要有Visa卡或Mastercard卡。所以有必要搞个本地版。本文介绍在Windows10下安装Tensorflow最方便的方法。
1. 安装Anaconda
如果你和我一样在原生Python下用官方给的"pip install tensorflow"安装时遇到了各种问题,别挣扎了,用Anaconda吧。
👉 Anaconda免费个人版最新版本下载地址 - Anaconda Individual Edition
Anaconda的安装没啥好说的,你可以一路按照默认选项装好Anaconda,也可以像我一样勾选上“加入环境变量”选项。
2. 安装Tensorflow
打开Anaconda Prompt。
根据Anaconda官方文档给的安装教程,如果想用GPU训练模型,就创建装有GPU版Tensorflow的工作环境,只需在已打开的Anaconda Prompt中输入conda create -n tf-gpu tensorflow-gpu
,回车。然后Anaconda会跟你介绍它要装啥,问你行不行,这时输入y
,回车,就正式开始安装。装好之前别关闭Anaconda Prompt。
3. 检验安装成果
装好后Anaconda会贴心地告诉你怎么激活这个刚装好的环境:
按它说的输入conda activate tf-gpu
,然后输入python
以打开Python环境,输入以下指令:
import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
如果程序输出了GPU数量,那么安装就成功了。
4. 在VS Code中选择Tensorflow工作环境
点击左下方编译器选项:
在弹出的选项栏中选择刚才创建的tf-gpu环境:
然后就可以上你自己的模型试试了:
5. 安装NVIDIA显卡驱动、CUDA工具包和cuDNN库
想不到这还没完……非常诡异的是,我在Jupyter notebook里训练模型时使用的是GPU,用.py文件训练时却会报错,提示缺失一些文件,让我看他们官网GPU支持设置。
根据官网的说明,要想使用GPU训练模型,除了要装NVIDIA GPU驱动程序之外,还得安装CUDA工具包,装完CUDA工具包还得下载用于硬件加速的cuDNN SDK。cuDNN的安装稍微复杂点,可能会随时间变化,所以这里只提大概,具体参考官网安装向导:
- 首先要在显卡驱动及CUDA工具包安装好的基础上复制一些文件到CUDA工具包的路径
- 确保CUDA_PATH已被设定在环境变量里
复制过程简单地讲就是把相应文件夹里的文件复制到CUDA工具包路径下对应的文件夹里。装完这些东西后,我的程序终于正常了:
更多推荐
【Windows】Windows10安装Tensorflow
发布评论