Windows下基于Anaconda搭建Tensorflow-GPU环境的综述

本文链接： https://blog.csdn.net/qq_41027830/article/details/102136670

最近看着网络上的各种形形色色的教程，尝试着搭建了一个TensorFlow-gpu环境，期间看了不少文章，也踩了不少坑（主要是因为头铁）。

在这里我进行一个踩坑汇总，并说一下我勉强走出来的泥泞小路，一条全网操作最简单的路（想直接看怎么安装的请下拉）：

（1）关于 -c 这个坑，很多博客的指令中都有这个符号，这里解释一下，这个-c表示通道，后面接的anaconda自带的服务器，我估计有vpn的大佬直接使用这种博客应该不存在什么坑的问题，不过我安装的时间凑巧是国庆节前，所以作为弱鸡的我，vpn自然是全挂了，所以这种基于外网的安装方式，在我踩了几次后（头就是这么铁），最终被我pass

这里给一个添加国内镜像园的通道方法

（2）关于cuda和cudnn的坑，估计不少网友看到，网络上有少部分博客流传说anaconda上下载TensorFlow-gpu会自动帮忙下载cuda和cudnn，这似乎是一个偷懒的好捷径，于是我装TensorFlow-gpu所花的大部分时间都被浪费在这个捷径上了（走上去就舍不得回头了），虽然最终没有成功，但是也算是莽出了我上述的泥泞小路

经过我的多次尝试（撞墙），发现可以自动装cuda和cudnn的 TensorFlow-gpu版本是2.0以上（虽然我安装好后，还是不能用，但是在安装目录里面是有这两个东西的），至于2.0一下的版本，anaconda虽然不会帮你自动装，但是你却可以利用conda手动安装，这也是我最后找到的相对简便的方式

觉得自己脑袋硬的朋友可以尝试一下，说不定可以撞穿呢？如果没有成功，大家可以尝试利用网络上常见的方式对这两个包进行覆盖（手动下载cuda和cudnn，这些博客教学相信大家在网上应该比较容易找到）
但凡是报错中显示冲突，或者打开python之后，出现一长条file：........之类的报告，然后才是>>，那么基本上可以肯定你装错了，要么进行覆盖，或者删除环境重新安装（没有什么是重装大法解决不了的，一次不行就再来一次）
除上述以外，还有什么关于numpy之类的报错，大家都不要慌，网上都有不少从坑里面爬出来的大佬，直接复制粘贴，都能找到答案（记住，我说的是都，如果找不到，恭喜你，你比我还菜）
最后总结一句：TensorFlow-gpu安装过程中90%的问题是因为cuda和cudnn与你的TensorFlow-gpu不兼容，9%的问题是因为你头铁不按教程出牌导致的cuda和cudnn与你的TensorFlow-gpu不兼容，至于1%说明你麻烦大了，骚年

唠嗑的了半天，进入正题：

使用anaconda搭建TensorFlow-gpu的前提是你首先得有anaconda，至于相关准备请另行搜索教程（记得添加path）
打开anaconda prompt
创建环境
```
conda create -n tfgpu python=3.6.5
```
tfgpu是我自定义的环境名字，3.6.5是我使用python版本，注意现在的anaconda使用的都是python3.7.x，但是TensorFlow-gpu对于python的版本是有要求的，目前貌似不兼容3.7以上的版本,所以创建环境的时候我选用了3.6.x
激活环境
```
activate tfgpu
```
完成后，命令行左侧的（base）将变成了你自定义的环境名字（tfgpu）这时候环境里面还没有TensorFlow包
安装cudatoolkit
```
conda install cudatoolkit=9.0
```
（cudatoolkit就是cuda，具体关系自行百度）
安装cudnn
```
conda install cudnn==7.1.4
```
安装TensorFlow-GPU
```
conda install tensorflow-gpu=1.8.0
```
步骤6,7中等于号一个两个都可以，这里给一个TensorFlow-gpu和cuda，cudnn的对应表

完成上述步骤后，在prompt里面打开python，输入import tensorflow as tf（不管是TensorFlow的cpu版本还是gpu版本，都是import tensorflow）如果没有报错，说明基本上成功了，如果不确定还可以

import tensorflow as tf
hello=tf.constant(‘hello,world’)
sess=tf.Session()
print(sess.run(hello))

下面谈一下，在jupyter和pycharm里面使用TensorFlow：

（1）jupyter：在prompt里面进入TensorFlow环境后，输入指令打开jupyter似乎可以直接默认为tensorflow环境（我没有试过）

（2）pycharm：在setting中设置project interpret，添加tensorflow环境的解释器（add python interpret），首选是创建新环境（new environment）这里有个很多人都遇到的问题：添加解释器后，如果你发现解释器下面的包只有一个，或是少数几个，这时候你输入import tensorflow，会报错表示没有该模块

这里可以使用新环境下面的existing environment导入方式，即可成功解决问题

提供一个比较全的测试代码

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))

结果里面不含cpu就是成功了，看到红色的指令不要发慌，正常现象

嗯，看到很多大佬发表的博客写的都非常严肃，严谨，但是我觉得吧，大白话才是最好的理解语法（绝对和我体育老师没啥关系），另外读者有啥要补充的请尽管留言（我自己的感觉是每次上网看文献，看大佬用一个专业词语解释另外一个专业词语，或者是大佬觉得你懂，这种博客我看的是真的很难受，我就想说，我真的啥都不懂，所以我希望我写的博客尽可能小白一点，当然，认知上有偏差请指出，我尽量改）

Windows下基于Anaconda搭建Tensorflow-GPU环境的综述

猜你喜欢