1、查看当前存在哪些虚拟环境
conda env list
2.2查看当前安装的python版本
键入python --version
回车
2.1、创建Python虚拟环境(按照需求指定python3.6)
conda create -n Face python=3.6
activate Face
4、查看此环境下已经安装的包以及版本
pip list
5、进入python环境,导入测试 import,查看具体包的版本
import tensorflow as tf
print(tf.__version__)
6、从conda命令窗口进入指定环境jupyter
conda install nb_cconda (注意是在你想进入的虚拟环境中打开)
此程序需下载包列表:
PyQt5 5.11.3
scikit-learn 0.21.2
tensorflow-gpu 1.13.1
keras 2.2.4
imutils 0.5.2
opencv-python 4.1.0.25
具体安装指令:
pip install -i https://mirrors.aliyun.com/pypi/simple pandas==0.24.2
GPU:
conda install -i https://mirrors.aliyun.com/pypi/simple tensorflow-gpu==1.13.1
(或者CPU版本二选一:CPU版本:
pip install -i https://mirrors.aliyun.com/pypi/simple tensorflow==1.13.1)
以下截图为GPU版本
pip install -i https://mirrors.aliyun.com/pypi/simple keras==2.2.4
pip install -i https://mirrors.aliyun.com/pypi/simple imutils==0.5.2
pip install -i https://mirrors.aliyun.com/pypi/simple opencv-python==4.1.0.25
pip install -i https://mirrors.aliyun.com/pypi/simple PyQt5==5.11.3
pip install -i https://mirrors.aliyun.com/pypi/simple scikit-learn==0.21.2
pip install -i https://mirrors.aliyun.com/pypi/simple matplotlib==3.1.3
Keras
https://blog.csdn.net/dujuancao11/article/details/105078529
(Kreas介绍)
https://blog.csdn.net/dujuancao11/article/details/105083757
(后端介绍)
Keras是一个模型级库,为开发深度学习提供了高层次的构建模型块。它不处理张量乘积和卷积等低级操作。所以,它依赖一个专门的、优化的张量操作库来完成这个操作,它可以作为Keras的后端引擎,相比单独地选择一个张量库,而将Keras的实现与该库相关联,Keras以模块方式处理这个问题,并且可以将几个不同的后端引擎无缝嵌入到Keras中。
三个后端可用:Tensorflow、Theano或ANTK后端。Tensorflow后端最著名,是由Google开发的一个开源符号级张量操作框架,Tensorflow分为GPU版本和GPU版本。
第一种CPU版本安装:
(tensorflow对版本要求高,一定要指定你所需要的版本)
1、先安装后端(tensorflow)
命令:
pip install -i https://mirrors.aliyun.com/pypi/simple tensorflow==1.13.1
(-i 指定源,源地址是国外的,慢。
常见源:清华、阿里、豆瓣,据说豆瓣是最快的,或者:pip install -i https://pypi.doubanio.com/simple tensorflow==1.13.1)
2、再安装Keras
命令:pip install -i https://pypi.doubanio.com/simple keras==2.2.4
第二种:GPU版本安装
注意:
1、GPU运算快,但对电脑有要求。
首先,GPU型号是Nvidia;其次Nvidia算力大于3。虽然AMD也开始支持,但不大好安装,用Nvidia。也有的说要使nvidia驱动大于410,在conda环境下使用nvidia-smi 查看。
(参考链接
2、python 版本为(3.5-3.6)(Windows不支持2.7)
3、系统必须为64位
具体操作如下:
(一)查看自己电脑GPU类型
1.桌面右键单击计算机,选择【属性】;
2.在属性界面点击【设备管理器】进入;
3.在设备管理器列表找到【显示适配器】;
4.打开【显示适配器】就可以看到显卡型号了;
这里示范两台电脑的两种显卡:
左N卡 右A卡
5.右键单击显卡选择【属性】,可以进入显卡详情界面。
注:左边是NVIDIA Gefore GTX960M
(二)查看自己电脑GPU算力
网址: https://developer.nvidia.com/cuda-gpus
这是我的电脑的 5.0>3.0 (可用)
具体安装:
命令:
pip install -i https://mirrors.aliyun.com/pypi/simple tensorflow-gpu==1.13.1
2、再安装Keras(注意可以用pip)
命令:pip install -i https://pypi.doubanio.com/simple keras==2.2.4
以下这部分是学弟总结好的,我参照学弟的教程成功了
三、安装cuda
打开网址:
直接点击下载就行了,我都帮你选好了
然后等待,下载完后运行安装就行,安装过程也可以自己指定路径,但是,一定要把安装路径记住,后面安装cudnn需要用到
四、安装cudnn
下载他需要登录NVIDIA,如果你不想登录从我网盘下载:
链接:https://pan.baidu.com/s/1ue_bCeMdBvMakCKMMgVg6w
提取码:o6da
官网下载方式:https://developer.nvidia.com/rdp/cudnn-archive
注意和cuda的版本相对应
将下载的cudnn压缩文件解压,进入到解压目录会看到
只需要移动下文件cudnn就安装好了:
1.将bin include下的文件分别移动到cuda安装目录下对应的bin include 文件夹下
2.解压后的lib文件夹下还有一个文件夹x64,将x64下的文件移动到cuda安装目录对应的bin/x64文件夹下。
例如我移动解压后bin下面的文件到cuda安装目录下的bin文件夹时的截图,其他的以此类推
然后重启计算机(必须重启)
开机后打开终端,进入python交互窗口,运行命令import tensorflow as tf,如果没有提示,说明tensorflow可以使用,进而可执行命令tf.__version__查看TensorFlow的版本(两个下划线),如下图