Windows配置tensorflow-gpu環境:最新,最快速,容錯率最高的方法,沒有之一。
本方法優點
- 不需要逐個自己安裝cuda, cudnn甚至vs2015等坑爹玩意
- 不會直接在自己電腦上裝cuda,防止各種路徑混亂之類。
- 可以多個cuda兼容操作
- 可以完美的在不影響已有tf1.0系列的情況下,完美使用tf2.0對於絕大部分讀者,第一條已經是足夠的理由了,畢竟現在大部分的博客攻略還是大費周章的。
準備工作
以我電腦為例,但本方法絕對不限於此種配置
系統Windows 10, 顯卡1080Ti
前期準備
- 從英偉達官網更新顯卡驅動至最新版本,以前受某些博客影響,擔心驅動過新無法向前兼容。今天破釜沉舟之下發現, 最新驅動仍可以兼容Cuda9.0,因此不會導致以前的cuda無法使用。相反,最新驅動可以讓你支持最新的cuda。
- 官網下載Anaconda3最新版本。根據本人經驗,只要你想做python開發且是新手,遲早要下的。
開工
- 打開 Anaconda Prompt。 (下完anaconda後自動會出現,開始菜單的Anaconda3可以找到)輸入以下命令行創建新環境:
conda create -n tf2 python=3.6
這段代碼的意思就是新創建一個名為tf2的python3.6環境。這是Anaconda廣為使用的原因之一,很容易切換多個python版本。緊接著運行
activate tf2
,進入tf2環境。(成功的話會發現命令行前面括弧裏從base變成了tf2)
- 下載tensorflow-gpu。這一步以tensorflow2.0為例, 繼續在Anaconda窗口運行
pip install tensorflow-gpu2.0.0-alpha0```。很快安裝成功(速度太慢的話自行百度切換pip鏡像源**)</li> <li>依次運行
conda install -c anaconda cudatoolkit和
conda install cudatoolkit cudnn。本來這兩個東西是要自己去官網下載安裝還要配各種path變數之類的。幸而,conda幫你完成了。 有幾大好處:</li> </ol> <ul> <li>極其省事</li> <li>不需要配置變數名,防止出錯</li> <li>只下載了cudatoolkit,沒有下載一整個,空間節約了三倍以上</li> <li>cuda下載在當前的虛擬環境(如這裡的tf2)而非在C盤整個系統環境中。因此可以同時兼容多個cuda版本,環境間互不幹擾</li> </ul> ¨K6K 測試一下:可以直接在Anaconda Prompt裏輸入
pythonJ進入python環境 然後運行 ¨G0G 如果沒有報任何錯誤,那麼已經成功配置! 重複上述操作,可以創建許多不同tensorf版本不同cuda版本的環境,來支持不同的版本的代碼運行! ¨K7K 下午本著嘗試tf2.0的心態,驚喜的發現了這一操作。相比去年安裝cuda9實在是輕鬆了太多。然而現在還沒有詳細敘述這一方法的博文,因此本著分享的心態,以這篇博文志之,希望對需要幫助的有所裨益。所有問題都可以直接評論討論,也可以郵箱聯繫
[email protected]```。Tipstensorflow2.0的API修改有點多,目前來看文檔太少,大家可以不急著升級。
推薦閱讀: