同时安装tensorflow-gpu和cpu版本,tensorflowcpu版本和gpu版本区别
在探索tensorflow之前,安装和踩坑花了很长时间,主要是不明白几个东西之间的关系,所以在盲目调试,当时很多东西都不明白,很多错误也不太了解。这次重装系统后,只需要重新配置一遍,再记录一下体验。我的电脑是华为的matebook13,intel i5-8625U,MX250显卡,win10系统。(不得不吐槽是垃圾,只能满足测试调试代码的需要)
深入学习使用Tensorflow平台,其中Keras Sequential API对新用户非常友好,可以组合所有基础组件建立模型。
(官网: https://tensorflow.google.cn/?hl=zh-cn)
安装Tensorflow 分为 tensorflow_cpu 和 tensorflow_gpu版本
GPU用于渲染计算。GPU版本的计算性能比CPU快一百倍。如果电脑没有独立显卡,只能按CPU版本计算。
CPU版本安装:
tensorflow_cpu版本只需要安装anaconda后在anaconda prompt里面pip install tensorflow_cpu==(版本号) 即可。
安装anaconda的方法见GPU版本。检查python和tensorflow_cpu的版本号。
GPU版本安装
tensorflow_gpu版本安装大致分为三步:1、安装anaconda 2、安装cuda和cdunn 3、安装tensorflow_gpu。其中第一步和第二步的顺序可以调换,就是安装完了前面三个东西再安装tensorflow即可。
Tensorflow最近出了2.0版本,和1.0版本有一些区别。具体我还没了解到。代码不一定兼容,所以我需要注意。这三个步骤的版本需要特别注意。一旦三个自带版本互不兼容或者与电脑的显卡不兼容,就无法使用。所以安装前先看看要安装的tensorflow版本。先检查一下显卡的计算能力,再安装合适的版本,不然踩坑时间长。
首先确定计算机能支持的tensorflow版本。根据tensorflow官网给出的配置,我们要查看电脑gpu支持的cuda版本,然后相应下载python版本和tensorflow版本。
右键 桌面NVIDIA控制面板帮助系统信息组件
上图显示我显卡支持的cuda版本是11.1(向后兼容)
Tensorflow配置window官网:https://tensorflow.google.cn/install/source_windows
以我的电脑为例。我之前用的是3.7.3版本。这次重装系统后,安装的是3.8.3。
cmd查看python版本:
之前tensorflow用的是1.13版本,这次打算装2.0版本,因为已经装了python3.8。如果还需要较低版本,需要重新安装较低版本的python或者设置一个虚拟环境(但不建议)。
第一步,安装
anaconda
Anaconda会相应安装python环境,不一定是最新的。最新的python版本不一定有兼容的cuda加速,有也不一定支持电脑的显卡。
官网安装:https://www.anaconda.com/products/individual,之前版本如果官网没有可能需要找资源。
第二步,安装
cuda
工具包
(官网:https://developer.nvidia.com/zh-cn/cuda-toolkit)
CUDA是NVIDIA开发的并行计算平台和编程模型,用于GPU上的通用计算。借助CUDA,开发人员可以利用GPU的强大性能来显著加速计算应用程序。在GPU加速的应用中,工作负载的串行部分在CPU上运行,CPU已经针对单线程性能进行了优化,而应用的计算密集型部分在数千个GPU核心上并行运行。在使用CUDA时,开发者使用主流语言(如C、C、Fortran、Python、MATLAB)进行编程,通过扩展程序将并行性以几个基本关键字的形式表达出来。由于tensorflow最高版本对应的是cuda10.1,所以下载cuda10.1.
安装包链接:https://developer.nvidia.com/cuda-toolkit-archive
CUDA的下载需要挂载VPN,否则下下来只有1kb (好像后面又不一定需要VPN,可以直接下载试试)
自定义安装,安装的都是选中的,尽量不要更改安装位置。
安装完毕后,安装cudnn,这是深度神经网络的GPU加速库。注意安装的版本,选择自己cuda版本对应的CUDNN进行下载。
官网:https://developer.nvidia.com/rdp/cudnn-archive
,官网的账号需要注册才能下载cuDNN。
(这里更正一下,如果配置tensorflow2.3 安装cuDNN v7.6 for CUDA10.1比较好,因为官网给的7.4网站没有下载链接,亲测7.5版本训练会有报错,7.6版本没问题)
下载的cudnn文件解压后,将文件夹中的文件放入cuda的对应文件夹,
注意:是文件夹内的文件,而不要直接复制替换文件夹
。
第三步,安装
tensorflow—gpu
安装:pip在anaconda提示符下安装tensorflow-gpu,然后可以指定版本号,下载并缓慢挂载一个镜像源-I https://pypi.tuna.tsinghua.edu.cn/simple.
完整安装:
测试安装是否成功:
将tensorflow作为tftf.test.is_gpu_available()导入
True表示安装成功。
查看版本号:
现在安装成功了,您可以运行一个小程序来测试它。
将流导入为TF import osos . environ[ TF _ CPP _ min _ log _ level ]= 2 a=TF . constant(1。)b=tf.constant (2。)print (a b) print (GPU:,tf.test.is _ GPU _
经过几天的代码调优,发现tensorflow2相比1有了很多变化。可以在1中运行的代码可能需要在2中做一些修改。
关于Tensorflow2和1上keras的一些区别,请搜索相关资料。