概述
在win10下,已经有了一个anaconda的python+tensorflow1.15环境,然而缺少一个python+tensorflow 2的环境,用虚拟环境的方式将其安装到位。
1 确定tensorflow和CUDA的版本信息
首先需要确定安装的python和tf版本。通过下述地址查看:在 Windows 环境中从源代码构建 | TensorFlow (google.cn);并确定如下版本:
查表后确定,需要CUDA11.0资源。
2 win10下查看Nvidia独立显卡信息
查看独立显卡:win+R打开cmd;输入dxdiag
较为重要的信息如下:
产品类型:GeForce |
产品系列:GeForce 30 series 【此处30就是指3060的30】 |
产品: GeForce GTX 3060 Ti |
操作系统:win10-64-bit |
3下载安装Nvidia显卡驱动
下载显卡的地址是:https://www.nvidia.cn/geforce/drivers/ (有时安装失败)
推荐:从此电脑-->管理-->设备管理器-->显示适配器....更新驱动程序。自动搜索安装。
4下载安装CUDA11.0
再次查表CUDA和驱动对照表,看驱动程序与CUDA是否配套。进入不同版本的CUDA入口:
1)窗页面顶部
2 下载页面的下部
以上两个方法可以进入下载页面。后下载CUDA程序。如:cuda_11.0.2_451.48_win10.exe;双击可以安装。
5下载安装CUDNN
cuda所对应的cudnn,可以通过下面页面获取版本信息。
cuDNN Archive | NVIDIA Developer
需要注册一个cuDNN账号,然后下载。
解开cuDNN包将三个路径、bin、include、lib\x64三个路径文件拷贝到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib\x64
这样cuDNN安装完成。
win+R打开cmd,输入nvidia-smi,如果没有结果,说明独立显卡的CUDA没有安装。需要CUDA驱动程序。若显示下图就ok
6 用Conda生成虚拟环境
1 查看虚拟环境:
conda env list
2 创建虚拟环境
conda create -n py37 python==3.7.0
3 进入虚拟环境
conda activate py37
4 安装tensorflow2版本
pip install tensorflow-gpu==2.4.0
5 退出环境
conda deactivate
在pycharm建立一个新project,在setting中选中以上虚拟环境py37,就可以用tensorflow2了。