学习yolo之tensorflow-gpu环境配置(win10)

Myth丶恋晨 2022-05-28 12:12 140阅读 1赞

【导语】  
自己到处学习了一些深度学习的皮毛，深切感受到没有GPU，真是不要和人家谈什么效率。人家一天跑好几个代码，如果你没有GPU，训练起来几天才跑一个代码。我之前在笔记本试过跑深度学习的hello world—‘MNIST’，使用的是softmax回归网络实现[数字识别][Link 1]，这个速度还好，因为没有涉及复杂的卷积运算。后来自己又用CNN来实现数字识别，那训练速度足以让你怀疑人生，瞬时觉得人生路漫漫，CPU跑了两个小时，才迭代到第8遍。后来在上网络课程，有配置的实验室，可以使用GPU资源，我跑了下CNN识别MNIST，5分钟完事，那速度，瞬时嗨起。今天上youtube看了一个教程，就斟酌起干嘛不试一下自己三年前买的笔记本。还好是**独显，英伟达840m，算力5.0，内存2GB，很菜**，折腾一下，今天终于把自己笔记本上的gpu配置上了，并且玩了一下yolo模型。废话不多说，直接进入主题。对了，我是win10 64位系统。  
【不想跟我一起配置的，可以去youtube看[大佬的视频干货][Link 2]】

【正文】  
\#\#\#\#\#一.下载显卡驱动（CUDA Toolkit9.0 , Cudnn 7.05）  
（1）去下载[官网][Link 3]CUDA Toolkit 9.0版本。  
注意，不要下载最新的9.1版本，听说 It doesn’t work在这里。但是如果你想试试，Just do it。  
![这里写图片描述][70]

如图所示，下载上面那两个包，得到的两个包如下：  
![这里写图片描述][70 1]

先运行cuda\_9.0.176\_win10.exe文件，默认安装路径，会弹出一个检测系统界面，你只需要等待和一路next下去，直至完成，需要一些时间等待，安装完可能需要重启。  
然后再运行cuda\_9.0.1.176.1\_windows.exe文件，也是一样一路next，若有错，则重新下载，再运行。

上述都顺利完成后，检测下是否成功：  
若没有更改安装路径，你会在`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0`这里看到一个文件，便是安装成功。

（2）去[官网][Link 4]下载cuDNN v7.05，注意不要下载错版本，其他版本应该也行，只是我没有尝试而已。  
![这里写图片描述][70 2]

然后解压这个包，打开里面bin目录，把里面的唯一一个文件`cudnn64_7.dll`复制到`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin`此文件下。  
如图：  
![这里写图片描述][70 3]

最后看一下路径有没有加到path环境，通常是自动加进去的。

去 ->我的电脑 -> 高级系统设置 -> 环境变量 -> 找到path -> 打开编辑查看

如图：  
![这里写图片描述][70 4]

若有上图的两条环境变量，则说明下载安装完成，若没有，则检查一下自己的安装路径，然后自己手动添加进去。

\#\#\#\#\#二.下载安装Anaconda3，安装tensorflow-gpu 1.5  
直接进去[官网][Link 5]，下载即可。  
![这里写图片描述][70 5]

然后运行安装包，默认路径，然后一直next，直至完成。

如果顺利的话，是可以在cmd终端运行的。

测试：  
（1）打开终端cmd，创建环境

conda create -n test python=3.6 pip

![这里写图片描述][70 6]

如上图所示，就已经创建好一个环境了，其中test是你的环境名，然后后面的意思是环境配置python3.6版本，并且下载pip工具。  
【注意】：这里有可能出现

CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://repo.continuum.io/pkgs/main/win-64/repodata.json.bz2>
    Elapsed: -
    
    An HTTP error occurred when trying to retrieve this URL.

这里可以参考我之前的一篇[文章][Link 6]，我在python2.7和python3.6都出现过这个问题，不知道为什么，但是照这个方法都解决了。（python3.5没试过）

（2）查看环境使用`conda info --envs`,在这里可以看到刚才自己创的环境，然后使用`activate test`激活环境，在路径前面有个括号，写着环境名就表示已经进入环境。  
![这里写图片描述][70 7]

（3）安装tensorflow-gpu 1.5版本，和opencv  
这里可能会遇到问题是下载速度比较慢，我已经试过很多次了，是镜像的问题。使用国内的镜像可以解决。具体可以看我的一篇[文章][Link 7]，OK，所以我们可以使用命令：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.5

注意，这里装的是1.5版本，其他版本没试过。还有不能直接使用pip去下载opencv，因为pip是python的工具，而opencv不在python的库内，所以想安装opencv，就用

conda install opencv

\#\#\#\#\#三. 测试gpu环境  
打开python,就可以看到python版本，我们使用代码去测试一下：

import tensorflow as tf
    import cv2
    tf.__version__
    cv2.__version__
    hello = tf.constant('hello , my gpu!!!')
    with tf.Session() as sess:
        print(sess.run(hello))

这里若你发现`ModuleNotFoundError: No module named 'tensorflow'`，那使用命令`conda list`看一下自己的包，若没有自己想要的包，则重新运行安装。

如果一切顺利，你可以看到如下：  
![这里写图片描述][70 8]

可以看到tensorflow版本是1.5.0 ， opencv是3.4.1 ， 我的gpu是英伟达840M ， 算力是5.0 ， 内存是2G，可用内存是1.66G(很一般的独显) ，最后一行是输出结果。  
（Got it !）

【后记】：  
写博客还真是个耐心活，我跑通两遍流程都不用花多少时间，弄个博客跟大家分享，花了我整个晚上。没办法，性格有些许强迫，追求详细完美易懂。资料学习来自于国外一位[大佬][Link 8]，最近入门yolo都是看他的github和youtube上的视频，感谢这些充满奉献精神的大佬们。  
最后如果在安装的过程中有什么问题的，欢迎留言交流一起学习。走过的，如果对你有些许帮助，就留个赞吧。算是给自己码了这么多时间的些许安慰，谢谢。

欢迎关注我的公众号【CV之道】，一起学习交流~~

[Link 1]: https://blog.csdn.net/ling_xiobai/article/details/78663146
[Link 2]: https://www.youtube.com/watch?v=uIm3DMprk7M&t=12s
[Link 3]: https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
[70]: /images/20220528/5480dd8acba04b36b8f81ba844af1fbc.png
[70 1]: /images/20220528/7677252d65fa4b0a8f43668cb01d5139.png
[Link 4]: https://developer.nvidia.com/rdp/cudnn-download
[70 2]: /images/20220528/e03634ad25d04597939d0139ba149346.png
[70 3]: /images/20220528/28688b714ba340e0a3962466e77e1649.png
[70 4]: /images/20220528/d6572a04560c49d4bafce559ab43ea31.png
[Link 5]: https://www.anaconda.com/download/#windows
[70 5]: /images/20220528/8a183eb9785141428d488b7ef05cc1d1.png
[70 6]: /images/20220528/d7df8e661c9b466cb40a97c78a03fb48.png
[Link 6]: https://blog.csdn.net/ling_xiobai/article/details/78659981
[70 7]: /images/20220528/ec292031033b4ad3ab31f67ff69b3088.png
[Link 7]: https://blog.csdn.net/ling_xiobai/article/details/79821903
[70 8]: /images/20220528/460a6f7af2394654bc4595326b0bec20.png
[Link 8]: https://github.com/markjay4k