安装WIN7/WIN10上的 CPU版本的TensorFlow
2017-11-23 16:39 撞破南墙 阅读(1068) 评论(0) 编辑 收藏 举报随手记
ancaconda Anaconda2-5.0.1-Windows-x86_64
(python3.5 ancaconda python-3.5.2-amd64 安装TensorFlow的时候自动依赖安装)
charmpython IDE
1 安装 ancaconda
访问Anaconda的下载页面,下载Python 3..6,选择64位版本。
2 配置国内的源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes
3 继续在 Anaconda Prompt 窗口输入:
conda create -n tensorflow python=3.5
【】
在这最近找到一个新的方法,更简单
[3.7的版本]
conda create -n tensorflow python=3.7
activate tensorflow 输入 激活环境
一、安装tensorflow-gpu=2.2.0使用清华源安装,代码如下:
pip install tensorflow-gpu==2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
这样下载速度飞起!
二、什么去官网下载cuda版本配置路径,感觉都不靠谱,我实验了,一个命令搞定,我的是1080Ti显卡,先通过GeForce Experience把驱动更新到最新,我的cuda信息如下:
我cuda的是11.0,这不重要,一般需要cuda是10.1或者以上就可以了。
然后一句代码安装:
conda install cudatoolkit=10.1 cudnn=7.6.5
注意:不要改上面的版本,不然安装成功了,使用时报错,这里就是个坑,我试过很多,这两个版本才是对应的,不管tensorflow-gpu=2.0/2.1/2.2,都适用
安装好后测试下,测试代码;
import tensorflow as tf
print('GPU', tf.test.is_gpu_available())
a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)
安装 ffmpeg
conda install ffmpeg -c conda-forge
####
4 安装CPU版本的tensorflow
pip install --ignore-installed --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.2.1-cp35-cp35m-win_amd64.whl
你也可以打开 https://mirrors.tuna.tsinghua.edu.cn/tensorflow/ 选择合适的 whl 文件地址进行安装;或者打开https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/ 可视化选择 whl 版本。
GPU
【主要参考这篇 http://blog.csdn.net/jin739738709/article/details/73525482】
安装
pip install --ignore-installed --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.2.1-cp35-cp35m-win_amd64.whl
### 更新版本 PYTHON 3.7 + tensorflow-2.0
pip install --ignore-installed --upgrade https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/54/5f/e1b2d83b808f978f51b7ce109315154da3a3d4151aa59686002681f2e109/tensorflow-2.0.0-cp37-cp37m-win_amd64.whl
下载对应的
1. 下载CUDA8.0并安装
CUDA Toolkit 8.0 - Feb 2017
https://developer.nvidia.com/cuda-80-ga2-download-archive
[官网:https://developer.nvidia.com/rdp/cudnn-download]
2. cuDNN v7.0.5
Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 8.0
https://developer.nvidia.com/rdp/cudnn-download
[官网:https://developer.nvidia.com/cuda-downloads]
打开你下载路径可以看到cuda文件夹下有三个子文件,分别为bin、include和lib
设置到环境变量比如:
E:\cudnn-8.0-windows7-x64-v7\cuda\bin;E:\cudnn-8.0-windows7-x64-v7\cuda\include;E:\cudnn-8.0-windows7-x64-v7\cuda\lib\x64;
WIN10下的版本对应是
CUDA Toolkit 8.0 - Feb 2017 配 cudnn-8.0-windows10-x64-v5.1 ,设定好环境变量后需要重启。
5. activate tensorflow
激活 TensorFlow 虚拟环境,当不使用 TensorFlow 时,使用 deactivate tensorflow 关闭。
6. 测试
进入到 Anaconda 安装目录下 /envs /tensorflow 文件夹,继续在 Anaconda Prompt 窗口输入输入:
python.exe
回车后,复制复制如下内容拷贝到Anaconda Prompt,自动输出:
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
>>> sess.run(hello)
>>> a = tf.constant(10)
>>> b= tf.constant(32)
>>> sess.run(a+b)
>>>
输出:
...
b'Hello, TensorFlow!'
...
42
表示 TensorFlow 已经安装成功。
7.配置 charmpython
启动的时候指定python路径即可,比如我这边是这个路径。“进入到 Anaconda 安装目录下 /envs /tensorflow 文件夹”
其他
1. W c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE instructions, but these are available on your machine and could speed up CPU computations.
因为预编译的问题,可百度看到。
补【升级版本】
出错处理
参考这里代码确认是否哪些DLL没有设定对
https://www.cnblogs.com/facingwaller/p/8614164.html
1. 使用 upgrade
- CPU:pip3 install –upgrade tensorflow
- GPU:pip3 install –upgrade tensorflow-gpu
2. 指定升级的版本(1.2.0)
- CPU:
pip install --ignore-installed --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.2.1-cp35-cp35m-win_amd64.whl
- GPU:
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.2.0-cp35-cp35m-win_amd64.whl
由上所示,python 的版本需要为 3.5。
---
补充 安装jieba
执行Anaconda2.exe
输入
activate tensorflow
pip install jieba
3
安装插件
activate tensorflow_gpu_121
pip install gensim
pip install sklearn
pip install matplotlib
pip install pandas
作者:撞破南墙
出处:http://www.cnblogs.com/facingwaller/
关于作者:本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。