tensorflow 环境配置

TensorFlow 环境配置

先戴好痛苦面具先，，，从下午配环境配到晚上，太顶了。废话不多说，直接上操作干货。

查看本机电脑的GPU配置

• 右击屏幕，点击NVIDIA 控制面板

  

  • 点击系统信息

    

• 查看CUDA版本信息

  

然后在网站CUDA Toolkit)下载对应版本即可（我这里对应11.1.1版本）

• 选择好相应的系统配置版本

  

• 双击下载好的安装程序，选择自定义安装。虽然我有下载visual studio 2022，但是还是不能选择VS才可以

  

• 打开终端输入nvcc -V,若输出以下字符则表示安装成功

  

  • 在网站cuDNN中下载对应版本的cuDNN，在下载前需要注册账号并同意条款才可下载，记住相应的版本及操作系统要选好才行

    点击platform，选择cuDNN

    

    点击Download cuDNN Library

    

    选择好相应的版本配置

    

    安装后得到的是cuDNN的exe文件，双击该文件后选择自定义，然后一路默认即可——它会默认在C盘，然后配好相应的路径，如果修改路径的话，后续又要去修改环境变量了。因此，建议C盘空间还可以有30G容量的话，直接全部默认路径安装即可，省去后续修改环境变量的麻烦。

  • 在终端输入nvidia-smi查看cuDNN是否安装成功，安装成功后如图所示

    

  • 可以在Anaconda中创建一个虚拟环境

    conda create -n tengpu python=3.7

  • 激活Anaconda中名为”tengpu”的虚拟环境

    conda activate tengpu

  • 安装2.5.0版本的tensorflow-gpu

    pip install tensorflow-gpu==2.5.0

  • 在终端进入python模式

    

  • 输入命令

    import tensorflow as tf
    tf.config.list_physical_deevices('GPU')

    如下图所示的话则安装成功

    

虚拟环境下，连接jupyter notebook

​ 命令行中写python代码真的是场灾难，因此可以用Anaconda中的jupyter notebook来写代码，前提是需要配置好相应的jupyter notebook的kernel内核，不然它用的是Anaconda自身默认的kernel，而与你刚建立的虚拟环境没半点关系。

• 具体实现过程

  • 假设我要进入刚才创建的名为“tengpu”虚拟环境，需输入

    conda activate tengpu

  • 然后在当前虚拟环境中安装ipykernel:

    conda install ipykernel

  • 然后生成tengpu的运行内核

    python -m ipykernel install --user --name tengpu --display-name "tengpu"
    # 其中tengpu是jupyter notebook显示虚拟环境tengpu的名字

  • 切换jupyter notebook内核即可

    

  • 测试的代码

    import tensorflow as tf
    text =  tf.constant("Hello TensorFlow 2.0")
    print(text)