基于Anacoda搭建虚拟环境cudnn6.0+cuda8.0+python3.6+tensorflow-gpu1.4.0

2022/8/27 14:24:39

本文主要是介绍基于Anacoda搭建虚拟环境cudnn6.0+cuda8.0+python3.6+tensorflow-gpu1.4.0,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

!一定要查准cudnn,cuda,tensorflow-gpu对应的版本号再进行安装,且本文一切安装均在虚拟环境中完成。

下文以笔者自己电脑为例,展开安装教程阐述(省略anaconda安装教程):

1.查询电脑CUDA版本

 2. 确认对应的cudnn,cuda,tensorflow-gpu版本号(链接)

3.如果先前安装过tensorflow-gpu,先卸载(没有安装过,此条可忽略)

activate tensorflow # 进入已有的tensorflow虚拟环境

pip3 unistall tensorflow-gpu
pip3 unistall tensorflow-tensorboard
conda env list  #检测目前安装了哪些环境

4.创建虚拟环境并进入(在anaconda prompt终端执行)

conda create -n tensorflow python=3.7 #(tensorflow:自己取的tensorflow环境名,Python:对应的python版本)
conda ativate tensorflow

 5.安装cuda,cudnn

  5.1 因为直接pip install cuda = 8.0 很容易环境出错,尽量还是避免;本文找到了镜像(链接),直接下载安装包;

  

  5.2 进入终端,cd 路径到安装包路径,如下图

  

     

   5.3 安装cudatoolkit和cudnn-cuda安装包

conda install cudnn-7.1.4-cuda8.0_0.tar.bz2

  

   5.4 但是我安装的cudnn是7.0+版本,而我需要的是6.0版本,所以我另外在anaconda navigator图形化界面进行版本更新。P:如果无法打开navigator图形化界面可参考该文章(链接)

  

  一般出现这个错误提示,代表版本不对应。

 至此,cuda和cudnn对应的版本已安装完成。

6. 安装tensorflow-gpu (最好用pip,conda命令可能引起不必要的麻烦)

pip3 install tensorflow-gpu==1.4.0 

7. 验证是否安装成功

进入Python环境;输入 

mport tensorflow as tf #进入tensorflow
tf.__version__  #tensorflow-gpu版本

  

  注:当出现 蓝框warning时,是提示tensorflow2.0 以下 最好:用numpy 1.16.+版本;输入以下命令即可。

pip install -U numpy==1.16.4

其他问题(tensorflow-gpu安装过程中出现的tf.test.is_gpu_avaiable()返回false的一部分解决方法

8. 虚拟环境键入pycharm编辑器;可借鉴该文章(基于conda pycharm 的tensorflow安装配置)

9. 测试

 

import tensorflow as tf
import numpy as np
 
# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300
 
# 构造一个线性模型
#
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b
 
# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
 
# 初始化变量
init = tf.initialize_all_variables()
 
# 启动图 (graph)
sess = tf.Session()
sess.run(init)
 
# 拟合平面
for step in range(0, 201):
    sess.run(train)
    if step % 20 == 0:
        print (step, sess.run(W), sess.run(b))
 
# 得到最佳拟合结果 W: [[0.100  0.200]], b: [0.300]

 



这篇关于基于Anacoda搭建虚拟环境cudnn6.0+cuda8.0+python3.6+tensorflow-gpu1.4.0的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!


扫一扫关注最新编程教程