アナコンダ
AnacondaはPythonの各種パッケージを管理するためのツールですが、ここでは主にnumpyなどよく使われるパッケージを使用します。
アナコンダ公式サイトリンク: https: //www.anaconda.com/
各システムバージョンのAnacondaインストールプログラムを直接ダウンロードしてインストールすることができます(使用方法については、こちらの記事を参照してください)
CUDA
- まず、お使いのコンピューターの GPU に対応する cuda バージョンを確認し、図に示すように、NVIDIA コントロール パネル -> ヘルプ -> システム情報 -> コンポーネント(コントロール センターまたは右下隅の通知バーで開くことができます) を開きます。図、ここで私の GPU に対応する cuda のバージョンは 11.6 .106 であるため、インストールされている cuda はこのバージョンを超えることはできません。
または、cmd コマンド ラインに CUDA バージョンを入力して、CUDA バージョンを確認することもできますnvidia-smi
。
- CUDA Toolkit Archive Web サイトに入り、見つけたバージョンよりも低いバージョンの cudatoolkit を選択します。この記事では CUDA Toolkit 11.0 Update 3 を選択し、約 2.7G のインストール パッケージをダウンロードします。
注: ここで選択した cuda バージョンは、後でインストールされる cudnn と tensorflow-gpu のバージョンを決定します。これら 3 つは関連しています。バージョンが一致しない場合、機能しません。特定の一致するバージョンについては、https://tensorflow を参照してください。 .google.cn/install/source_windows、以下の表は抜粋です。
バージョン | Pythonのバージョン | 翻訳者 | ビルドツール | クドン | CUDA |
---|---|---|---|---|---|
tensorflow_gpu-2.6.0 | 3.6-3.9 | MSVC 2019 | バーゼル 3.7.2 | 8.1 | 11.2 |
tensorflow_gpu-2.5.0 | 3.6-3.9 | MSVC 2019 | バーゼル 3.7.2 | 8.1 | 11.2 |
tensorflow_gpu-2.4.0 | 3.6-3.8 | MSVC 2019 | バーゼル 3.1.0 | 8.0 | 11.0 |
tensorflow_gpu-2.3.0 | 3.5-3.8 | MSVC 2019 | バーゼル 3.1.0 | 7.6 | 10.1 |
tensorflow_gpu-2.2.0 | 3.5-3.8 | MSVC 2019 | バーゼル 2.0.0 | 7.6 | 10.1 |
tensorflow_gpu-2.1.0 | 3.5-3.7 | MSVC 2019 | バーゼル 0.27.1-0.29.1 | 7.6 | 10.1 |
tensorflow_gpu-2.0.0 | 3.5-3.7 | MSVC 2017 | バーゼル 0.26.1 | 7.4 | 10 |
tensorflow_gpu-1.15.0 | 3.5-3.7 | MSVC 2017 | バーゼル 0.26.1 | 7.4 | 10 |
tensorflow_gpu-1.14.0 | 3.5-3.7 | MSVC 2017 | バーゼル 0.24.1-0.25.2 | 7.4 | 10 |
tensorflow_gpu-1.13.0 | 3.5-3.7 | MSVC 2015 アップデート 3 | バーゼル 0.19.0-0.21.0 | 7.4 | 10 |
- ダウンロードしたexe インストール パッケージをダブルクリックし、一時的な解凍場所を選択して [OK] をクリックします。解凍には約 2 分かかります。
- 使用許諾契約に同意し、カスタム インストールオプションを選択して、[次へ]をクリックします。
- ドライバー コンポーネントを選択し、必ず[CUDA] をオンにして、[次へ]をクリックします。
- コンピュータ上のインストール場所を選択し、インストールを開始します。
-
インストールが終了するのを待っています。コンピューターの 18 年使用ノートブックのメカニカル ハード ドライブのインストールには約 5 分かかります
-
環境変数を確認します。通常、環境変数はインストール完了後に自動的に構成されます。設定 - システム - システム情報 - システムの詳細設定 - 環境変数を開いて確認してください。そうでない場合は、自分で追加する必要があります (追加するときに独自のインストール パスに変更する必要があります)
- システム変数にCUDAとNVCUDASAMPLESの 2 つの環境変数セットがあるかどうか。
- システム変数のパスを開き、以下の環境変数が存在するか確認してください。
- CUDAのインストールが完了しました
cnDNN
- cudnn 公式 Web サイトを開き、上記の表に従ってダウンロードする必要がある cuDNN バージョンを確認します。私の CUDA バージョンは 11.0 で、対応する cuDNN バージョンは 8.0 です。cuDNN の背後に対応する CUDA バージョンがあることに注意してください。1 つの cuDNN複数のバージョンの CUDA に対応している場合がありますので、ダウンロードの際には、まず NVIDIA アカウントの登録が必要となります。
- ファイルを解凍し、解凍したファイルをCUDAに対応するインストールディレクトリに移動します。
- cuDNNのインストールが完了しました
TensorFlow をインストールする
- cmd コマンド ライン インターフェイスを開き (管理者として開くことをお勧めします)、opentuna の pip ミラー ソースを切り替えます。
pip config set global.index-url https://opentuna.cn/pypi/web/simple
- 仮想環境を作成し、コンピューターにインストールされている Python のバージョンと互換性があるかどうかに注意してください。
conda create -n tensorflow2 python=3.8
- 仮想環境をアクティブ化する
conda activate tensorflow2
- tensorflow をインストールすると、特定のバージョン番号が上の表に対応します。
pip install tensorflow-gpu==2.3.0
- インストールが成功したことを確認し、cmd インターフェイスを開いて次のコマンドを入力し、出力が Successfly であるかどうかを確認します。
python
import tensorflow as tf
tf.config.list_physical_devices('GPU')
と表示されても慌てる必要はありませんCould not load dynamic library 'cudart64_110.dll'
。インストール完了後にコンピュータが再起動されていないことを意味します。再起動して再度実行してください。
難しい
- TensorFlow と Keras のバージョンの対応については、以下の表を参照してください。
テンソルフロー | 難しい |
---|---|
TensorFlow 2.0.0 | ハード 2.3.1 |
TensorFlow 2.1.0 | ハード 2.3.1 |
TensorFlow 2.2.0 | ハード 2.3.1 |
TensorFlow 2.4.0 | 大音量 2.4.3 |
TensorFlow 2.6.0 | ケラス 2.6.0 |
- 引き続き、 Anaconda のtensorflow2 環境で次のコマンドを実行します。
pip install keras==2.4.3
このブログ投稿は個人ブログ Web サイトで最初に公開されました: https://www.mahaofei.com/、ぜひご覧ください。