深度学习电脑环境配置

前几天新买的一台电脑，加显示器和其它配件，共计2.7万元多。

一、硬件及系统基本信息（在dos命令中运行dxdiag查看）

系统型号（主板型号）：XPS 8930

BIOS：1.0.10

处理器：Intel（R）Core(TM) i7-8700 CPU @3.7GHz(12 CPUs),~3.7GHz

内存：32768MB RAM

DirectX 版本：DirectX 12

操作系统：win10 专业版 64位

GPU：TITAN Xp，显示内存12145MB

二、安装过程（联网的情况下）

1.首先安装了python 3.6 以及其它模块

扫描二维码关注公众号，回复： 3301024 查看本文章

网站https://www.python.org/ 进行了下载，而后安装。（安装过程中会提示是否加入环境变量）安装完毕后，打开CMD（最好以管理员身份运行），输入python可验证是否安装成功。（退出可输入quit（）或者ctrl + z）

在命令行下，可输入pip list 查看已安装的模块，这时系统提示pip升级，进行了升级，由10.0 升级到 18.0

依次运行pip install numpy、pip install pandas、pip install matplotlib、pip install sklearn、pip install opencv-python

均安装成功，试图安装PIL，未获得成功。

2.安装Visual Studio

百度输入vs2015，进入官网，安装了2017的版本。在线安装，安装开始让选择安装内容，自己视情选择。

3.安装CUDA和CUDNN

百度找到官网链接，进入，离线下载cuda时exe包，两次均未成功（均是下载到99%失效），无奈之下选择在线安装。（安装过程选择自动加入环境变量）cmd中运行nvcc --version可查看版本。

下载相应的cudnn，解压后，将文件夹全部拷贝到../CUDA/v9.2 下，与原先文件夹内容合并。

4.安装GPU版本的tensorflow

1.失败安装：pip install tensorflow-gpu,安装成功后，进入python，运行import tensorflow提示错误，缺少cudart64_90.dll文件。后经查询网络，得知默认安装的tensorflow版本不支持cuda9.2。

解决办法：（1）卸载cuda9.2，安装9.0；（2）寻找支持9.2版本的tensorflow。

自己选择了第二个方式：（https://github.com/fo40225/tensorflow-windows-wheel）

https://raw.githubusercontent.com/fo40225/tensorflow-windows-wheel/master/1.10.0/py36/GPU/cuda92cudnn72avx2/tensorflow_gpu-1.10.0-cp36-cp36m-win_amd64.whl

下载二进制安装包，利用pip install 文件路径的方式进行安装。注意：下载完安装时，文件不能改名。

5.运行验证（转载）

import tensorflow as tf

a = tf.test.is_built_with_cuda()  # 判断CUDA是否可以用

b = tf.test.is_gpu_available(
    cuda_only=False,
    min_cuda_compute_capability=None
)                                  # 判断GPU是否可以用

print(a)
print(b)

输出结果是：
True
True
代表CUDA和GPU可用。

（2）代码如下：

import tensorflow as tf

with tf.device('/cpu:0'):
    a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')
    b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')
with tf.device('/gpu:1'):
    c = a + b

# 注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
# 因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))
# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

深度学习电脑环境配置

猜你喜欢