Índice
Se precisar reimprimir, indique a fonte, obrigado.
1. Instale o tensorflow-gpu2.3.0
Se precisar reimprimir, indique a fonte, obrigado.
Para baixar o anaconda, existem muitos tutoriais na Internet e são muito convenientes, por isso não entrarei em detalhes aqui
1. Instale o tensorflow-gpu2.3.0
Abra nosso console anaconda, clique no círculo azul e digite o código abaixo
Aqui criei um ambiente virtual para instalar pacotes relacionados, você pode seguir suas próprias necessidades, o código é o seguinte
conda create -n ttt python=3.6
ttt é o nome do ambiente criado por você (você mesmo pode escolher), python=3.6 significa que a versão criada do python é 3.6
Digite y para concordar em criar
Em seguida, inserimos a seguinte linha de código para entrar em nosso ambiente virtual
activate ttt
Antes de instalar o tensorflow-gpu2.3.0, você deve primeiro configurar cudatoolkit e cudnn. Isso pode ser baixado diretamente em nosso anaconda. Vejo que existem muitas maneiras de baixar no site oficial na Internet. De qualquer forma, não iniciei . A versão correspondente do meu documento será apresentada abaixo.
Nós inserimos o seguinte código (pode ser lento para baixar, você pode esperar pacientemente)
conda install cudatoolkit=10.1 cudnn=7.6.5
Após a conclusão do download, podemos instalar o tensorflow-gpu2.3.0, inserir o código abaixo no console e ingressar na fonte Tsinghua para baixar mais rapidamente
pip install --default-time=300 tensorflow-gpu==2.3.0 keras==2.4.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
Você pode entrar na lista conda para ver as bibliotecas relacionadas que instalamos
Em seguida, inserimos python para entrar em nosso compilador python
Digite import tensorflow para verificar o status da instalação. Você pode usar o código a seguir para determinar se a instalação foi bem-sucedida. O link original do código é o seguinte
import tensorflow as tf
tensorflow_version = tf.__version__
gpu_available = tf.test.is_gpu_available()
print('tensorflow version:',tensorflow_version, '\tGPU available:', gpu_available)
a = tf.constant([1.0, 2.0], name='a')
b = tf.constant([1.0, 2.0], name='b')
result = tf.add(a,b, name='add')
print(result)
Para saber como configurar o ambiente tf2 que criamos no pycharm, você pode consultar meu artigo (abaixo), o princípio é o mesmo
experiência de instalação pyQt5 + pyUIC + pycharm (instalação do Anaconda)
2. Configure outras bibliotecas relacionadas
Muitas pessoas pensam que tudo acabou depois de instalar o tensorflow-gpu, mas como todos sabem, muitas bibliotecas em python, como numpy, matplotlib e outras bibliotecas, têm um relacionamento correspondente com nossa versão do tensorflow. A seguir está a versão adaptada que resumi
numpy==1.18.5
matplotlib==3.3.3
seaborn==0.9.0
pandas==1.1.5
scikit-learn==0.24.2
大家按照上面的对应版本安装即可,后面带上清华源下载更快哦!
Resumir
Se este artigo é útil para você, por favor, dê-me um pouco, obrigado a todos. Se houver outros problemas que não foram resolvidos, você pode deixar uma mensagem abaixo e farei o possível para ajudá-lo a resolvê-los.