1. 安装Anaconda3
- 下载Anaconda3,我在百度上找的
conda 清华镜像
,地址为conda清华镜像下载地址,下载的版本为Anaconda3-2019.10-Windows-x86_64.exe
,这个版本支持Python3.7.4。 - 双击安装,按照默认的选项一直下一步就可以。
- 检查是否安装成功,
conda list
。 - 由于镜像源是国外的,添加中科院的镜像,使用conda config。
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes
- 接下来创建一个conda环境,以及一下命令的使用
- 创建命令
conda create -n tf2_gpu python=3.6.5
,虽然支持Python3.7,不过我这里使用了Python3.6的,conda env list
可查看创建了哪些环境。 - 在使用jupyter notebook中有时候会切换不同的kernels,那么需要在tf2_gpu环境中安装nb_conda_kernels 和 ipykernel,先切换到
conda activate tf2_gpu
分别安装conda install nb_conda_kernels
和conda install ipykernel
。 - 关联内核和环境
python -m ipykernel install --name tf2_gpu
- 修改jupyter的默认配置C:\Users\Administrator.jupyter的起始目录
c.NotebookApp.notebook_dir = 'D:\\00.codes\\jupyter'
,然后键入命令jupyter notebook
即可启动jupyter 。 - 查看kernel列表,
ipython kernelspec list
- 删除已存在的kernel
ipython kernelspec remove kernelname
- 创建命令
- 另外的一些常用命令
- 删除某个conda镜像
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- conda环境转移复制
- conda导出已有环境:
conda env export > environment.yaml
,环境会被保存在environmen.yaml文件中,用于重新创建该环境 - conda复现安装环境:
conda env create -f environment.yaml
,移植过来的环境只是安装了你原来环境里用conda install等命令直接安装的包,你用pip之类装的东西没有移植过来,需要你重新安装。
- conda导出已有环境:
- pip包的转移复制
- pip导出安装的库到requirements.txt:
pip freeze > requirements.txt
- pip导入requirements.txt中列出的库到系统:
pip install -r requirements.txt
- pip导出安装的库到requirements.txt:
- 删除某个conda镜像
2.安装NVIDIA CUDA
- 检查一下自己电脑是支持cuda的版本和驱动,可以这样查询:NVIDIA控制面板 > 帮助 > 系统信息 > 组件,查看3D设置中的NVCUDA64.DLL
- 首先去官网下载
cuda_10.1.243_426.00_win10.exe
- 然后进行安装,如果电脑没有安装VS,就不要去选择
- CUDA安装确认
- .CUPTI确认
3. 安装CUDNN
- 首先到tensorflow官网确认一下版本的对应,比如我这里安装tensorflow_gpu-2.2.0,需要安装cuda10.1和cudnn7.6
- 到cudnn官网去下载和cuda10.1对应的版本,需要注册。
- 解压,然后文件夹改名为
cudnn
,复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
下,如图
- cuDNN确认
4.配置环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\cudnn\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64
- 添加CUPTI路径
- 天健cuDNN路径
- CUDA测试
5. 安装tensorflow-gpu
- 官网安装文档
- pip install tensorflow_gpu==2.2.0
- 在ipython中验证是否支持gpu
import tensorflow as tf
print(tf.test.is_gpu_available())
6. 安装pytorch-gpu
- 官网安装文档查找cuda、cudnn对应的版本
- 安装pytorch1.5.1版本
- conda install pytorch1.5.1 torchvision0.6.1 cudatoolkit=10.1 -c pytorch
- 在ipython中验证是否支持gpu