anaconda安装keras_Win10+cuda10.0+cudnn7.4+tensorflowgpu1.14.0安装笔记

Tensorflow是google开发的深度学习静态框架&＃xff0c;广泛应用于CNN网络训练中

我安装的是师哥推荐的配置&＃xff0c;以后走通了试试并行多套配置以适应不同的任务

系统&＃xff1a;Win 10

显卡&＃xff1a;RTX2080ti

CPU&＃xff1a;Inter(R) Core(TM)i9-9900K CPU &＃64; 3.60GHz

Anaconda3 &＃43; Cuda10.0 &＃43; Cudnn7.4.1 &＃43; tensorflow-gpu&＃61;&＃61;1.14.0(需要镜像网站pip下载或本地下载)

安装步骤有以下几个步骤&＃xff1a;

1.Anaconda安装

安装最近版本就可以了(Anaconda3)&＃xff0c;他是一个集成的平台可以用来配置python环境,方便建立虚拟环境利用类似dos系统的Anaconda Prompt(anaconda3)&＃xff1b;

网上有很多笔记&＃xff0c;基本没有什么需要注意的&＃xff0c;我按照默认位置建立cd&＃xff1a;

C:UsersPCanaconda3

以后会经常进入C:UsersPCanaconda3bin的虚拟环境上&＃xff0c;所以路径要记住。

配置环境变量&＃xff1a;浏览(B):

浏览(B)路径为: C:UsersPCanaconda3Scripts(这里要看你自己的安装路径&＃xff0c;没什么难度记住就好。)

检查是不是安装好了&＃xff1a;

Win&＃43;R&＃xff1b;输入cmd&＃xff1b;键入&＃xff1a;conda –version&＃xff1b;

结果输出&＃xff1a;conda &＃43;版本号&＃xff0c;则安装成功&＃xff01;

安装成果&＃xff1a;

从左到右为&＃xff1a;

Anaconda3的编译器Spyder(我没有用过&＃xff0c;就在验证后面安装结果的时候调试过&＃xff0c;但就验证来说&＃xff0c;第三个prompt也可以代替&＃xff0c;所以基本没啥用)&＃xff1b;

Anaconda Navigator&＃xff0c;可以以窗口交互显示&＃xff1a;虚拟环境和packages&＃xff1b;查找和安装packages&＃xff1b;

Anaconda Prompt(anaconda3)&＃xff0c;以上所提到的功能都能实现并不止于此。

2.安装Cuda10.0

2.1下载资源

首先下载Cuda10.0&＃xff0c;资源来自官网&＃xff0c;其他途径尽量不要选。Cuda的安装为驱动安装&＃xff0c;主要就是自主安装啦&＃xff0c;需要注意的就是要选择安装路径和你需要的版本以及Cudnn与之对应例如(Cuda10.0&＃43;Cudnn7.4.1)&＃xff1a;

网址&＃xff1a;Cuda10.0: CUDA Toolkit 10.0 Archive | NVIDIA Developer

Cudnn7.4.1: cuDNN Archive | NVIDIA Developer (注意&＃xff1a;下载Cudnn或者说英伟达显卡运算平台和深度学习的packages时要注册的&＃xff0c;这个用邮箱就可以了&＃xff0c;再写个调查问卷就好了不会花费太久&＃xff0c;再说一遍版本一定要对应&＃xff0c;Cuda10.0)

Installer Type 选哪一个都好&＃xff0c;我不知道为什么&＃xff0c;网上说的都行。

选对应Cudnn7.4.1 其他的和10.0的Cuda对应的我没试过(不敢也不想再试了呜呜呜呜)

2.2安装、配置Cuda10.0和解压Cudnn7.4.1

这是我的安装Cuda的路径&＃xff0c;之前装过一次不知道装在哪里了&＃xff0c;好像那个文件夹有隐藏&＃xff0c;总之就是不方便(别问我不方便干嘛&＃xff0c;当然是重装什么的麻烦事情了&＃xff01;烦死了&＃xff0c;当然最主要的原因Cudnn是一个压缩包&＃xff0c;需要将里面的对应文件复制到CUDA文件夹里对应的文件夹)

现在开始安装&＃xff1a;

安装成功&＃xff01;

Cudann(这个是Cudann7.4.1下载好解压的文件&＃xff0c;原来叫Cuda&＃xff0c;我改了一下名字)

V10.0就是Cuda10.0了&＃xff0c;下一步就是将Cudann里面的文件对应复制到v10.0的相应文件夹(共三个文件)

对应复制到&＃xff1a;

到这里GPU的深度学习驱动算是安装好了&＃xff0c;因为网上有好多人强调过配置环境变量的问题&＃xff0c;我就打开环境变量看一下发现我的已经配置好了&＃xff0c;不知道是安装时cuda自己配置的还是我之前配置的&＃xff0c;总之环境变量与cuda有关的有三个&＃xff0c;见下图&＃xff1a;

如果检查发现没有这些环境变量的话自己配置一下&＃xff0c;浏览位置&＃xff1a;

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0bin

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0libnvvp

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0libx64

顺序无所谓。

加上之间安装和配置好的Anaconda&＃xff0c;进行tensorflow-gpu之旅就差构建虚拟环境了&＃xff1b;

3.虚拟环境安装

这块是最折腾人的地方&＃xff0c;之前安装成功以后觉得难也就是网速可能会导致安装失败&＃xff0c;那么换了镜像网站就好&＃xff08;所以我的pip的下载地址就更换到清华镜像网站了&＃xff09;。但是&＃xff0c;由于不明原因我调试代码几天以后我的tensorflow-gpu报错了&＃xff0c;所以有了这次重装总结&＃xff0c;经过将近一周的调整不断的debug不断的bug再不断的debug&＃xff0c;终于&＃xff0c;终于安装好了&＃xff0c;测试了代码&＃xff0c;可以正常调用gpu了&＃xff0c;下面我就安装我成功安装的步骤直接走一遍&＃xff1a;

3.1打开

键入&＃xff1a;cd &＃xff08;Anaconda的路径&＃xff09;如cd C:UsersPCanaconda3bin

进入路径&＃xff0c;对以后建立虚拟环境等操作方便&＃xff0c;不加也行直接在默认空间也可以&＃xff0c;但是还是建议在Anaconda的路径下&＃xff0c;这样比较有条理&＃xff08;具体用处我现在还不清楚就这么做吧&＃xff09;

括号&＃xff08;base&＃xff09;是Anaconda自带的环境&＃xff0c;里面安装了很多的包&＃xff0c;但我想做的是深度学习方面的程序&＃xff0c;所以强烈建议自己创建一个虚拟环境&＃xff0c;然后在这个虚拟环境&＃xff08;tensorflow&＃xff09;下安装或更改&＃xff0c;因为第一次安装一定会有很多问题&＃xff0c;需要更改甚至删除乃至于删除虚拟环境。

键入&＃xff1a;conda env list 可以查看当前的虚拟环境&＃xff0c;默认只有一个base&＃xff0c;这里我已经搭建了两个虚拟环境tensorflow、tensorflow-gpu 。“*”表示当前所处的工作环境&＃xff0c;默认base&＃xff1b;

3.2创建虚拟环境tensorflow&＃xff1a;

Conda create -n tensorflow python&＃61;3.6 跳出询问是否安装 键入&＃xff1a;y

进入虚拟环境tensorflow&＃xff1a;

Conda activate tensorflow

可以查看已经安装的包&＃xff1a;

键入&＃xff1a;pip list

注意&＃xff1a;我已经安装了gpu的tensorflow&＃xff0c;这里需要安装我的经验安装tensorflow-gpu&＃61;&＃61;1.14.0

2.3安装tensorflow-gpu&＃61;&＃61;1.14.0

第一步&＃xff1a;查看自己的pip版本&＃xff0c;如果不是这个版本&＃xff0c;进行更新&＃xff1a;

python -m pip install --upgrade pip

第二步&＃xff1a;安装tensorflow-gpu1.14.0&＃xff0c;我没用用pip直接下载&＃xff0c;尝试过但是总是报错&＃xff0c;所以我上网上找到了按照包whl文件地址&＃xff1a;

tensorflow-gpu · PyPI

下好以后&＃xff0c;如果是网页下载自动保存在以下路径&＃xff1a;C:UsersPCDownloads

如果是其他的下载客户端如&＃xff1a;迅雷等&＃xff0c;请复制路径&＃xff0c;我就以C:UsersPCDownloads为例&＃xff1a;

进入路径&＃xff1a;

键入&＃xff1a;cd C:UsersPCDownloads 打开下载好的tensorflow_gpu-1.14.0-cp36-cp36m-win_amd64.whl 路径。&＃xff08;这里我尝试过将该文件复制到C:UsersPCanaconda3bin路径下&＃xff0c;但没安装成果&＃xff09;

在该路径下键入&＃xff1a;pip install tensorflow_gpu-1.14.0-cp36-cp36m-win_amd64.whl

切换回工作路径中键入&＃xff1a;cd C:UsersPCanaconda3bin

第三步&＃xff1a;

查看安装情况&＃xff1a;键入&＃xff1a;pip list

检查红框内的numpy版本和pip版本是不是和我的一样&＃xff0c;如果不一样&＃xff08;其他的包如果不一样也建议更换&＃xff09;进行替换&＃xff1a;

替换处pip包以外的包&＃xff08;如&＃xff1a;numpy&＃xff09;&＃xff0c;键入&＃xff1a;pip install -U numpy&＃61;&＃61;1.16.0&＃xff08;相应版本&＃xff09;

替他的包也是这样&＃xff0c;tensorflow兼容性太差&＃xff0c;一个环境一个版本一定要对应我掉进了无数个坑&＃xff0c;这里这样安装应该是最方便的。&＃xff08;在pip install tensorflow-gpu&＃61;&＃61;1.14.0无法正常安装的情况下&＃xff09;&＃xff1b;

替换pip版本&＃xff0c;这个我试过了&＃xff0c;只要更新到最新&＃xff08;cmd里显示的最新的就可以了&＃xff09;键入&＃xff1a;

python -m pip install --upgrade pip

第一步我就提到这个了&＃xff0c;emmm顺序我点记不住了因为在创建虚拟环境tensorflow时用了

Conda create -n tensorflow python&＃61;3.6 安装python的时候可能就会安装pip&＃xff0c;如果是这样的话&＃xff0c;只需确认在装完tensorflow_gpu-1.14.0-cp36-cp36m-win_amd64.whl文件后检查pip list里的pip版本就好。

至此&＃xff0c;安装完毕&＃xff0c;如果需要装我这个环境的话&＃xff0c;严格安装我的方法&＃xff0c;应该不会报错&＃xff0c;要是这要还报错&＃xff0c;我只能说tensorflow真的太难受了&＃xff0c;劝你装个别的系统的或者用pytorch。

现在试试你的gpu是不是能成果运行tensorflow吧&＃xff01;

3.测试是否成功

进入虚拟环境方法如前所述

cd C:UsersPCanaconda3bin

conda activate tensorflow

python

>>>import tensorflow as tf

>>>hello&＃61;tf.constant(‘hello tensorflow’)

>>>sess&＃61;tf.Session() #注意这里要大写关键词&＃xff0c;不然它报错找不到attribute ‘session’

>>>printf(sess)

成功&＃xff08;这个是pycharm编译&＃xff0c;cmd里同样的操作&＃xff09;

另外我需要装keras跑代码有的代码里面的keras关键字不识别&＃xff0c;按理说tensorflow里集成了keras的但。。。。那就按照对应版本安装keras吧

网上找到对应1.14.0的keras版本

Pip 安装keras 键入&＃xff1a;&＃xff08;如果你喊在cmd的python环境下&＃xff0c;请“Ctrl&＃43;Z”然后回车回到tensorflow的虚拟环境下&＃xff09;

pip install keras&＃61;&＃61;2.2.5

pip install matplotlib

搞定&＃xff01;

总结

1版本对应&＃xff01;

2网上的东西不要全信&＃xff0c;我的也一样不一定适合你的机子

3耐心&＃xff01;

原则上安装你的需求根据版本要求一点一点安装。

查看版本&＃xff1a;pip show keras/tensorflow-gpu/numpy/等等

pip 从镜像网站上下载需要的是很方便&＃xff0c;但也很坑有些错不是自己遇到后解决是没法体会的&＃xff0c;按了这么久我也算对python的架构有了一点点的了解&＃xff0c;以后再遇到版本的问题就不至于把整个环境都删掉甚至从cuda开始装起。下面开始运行我的代码工作了。开头提到的多环境安装基本也都实现了。所以说装环境需要耐心&＃xff0c;慢慢的你就了解你的需要和解决方法&＃xff0c;也能更快地入门了~

祝好&＃xff01;