深度学习环境配置3——windows下的tensorflow-gpu=2.2.0环境配置

浅浅的花香味﹌ 2022-12-16 06:56 189阅读 0赞

### 深度学习环境配置3——windows下的tensorflow-gpu=2.2.0环境配置 ###

*  注意事项
 *   *  一、2021/9/11更新
     *  二、2021/7/8更新
 *  学习前言
 *  环境内容
 *  环境配置
 *   *  一、Anaconda安装
     *   *  1、Anaconda的下载
         *  2、Anaconda的安装
     *  二、Cudnn和CUDA的下载和安装
     *   *  1、Cudnn和CUDA的下载
         *  2、Cudnn和CUDA的安装
     *  三、配置tensorflow2环境
     *   *  1、tensorflow2环境的创建与激活
         *  2、tensorflow库的安装
         *  3、其它依赖库的安装
         *  4、安装较慢请注意换源
     *  四、安装VSCODE
     *   *  1、下载安装包安装（推荐）
         *   *  a、VSCODE的下载
             *  b、VSCODE的安装
         *  2、anaconda上安装

# 注意事项 #

## 一、2021/9/11更新 ##

安装CUDA前需要安装Visual Studio，我安装的版本为Visual Studio 2017，视频与博客中未提及，请小伙伴们注意。

30系列显卡不适合该教程，30系列显卡仅支持CUDA11.0，可以参考博客[https://blog.csdn.net/weixin\_44791964/article/details/120657664][https_blog.csdn.net_weixin_44791964_article_details_120657664]进行配置。

tensorflow2-cpu版本的环境配置博客为[https://blog.csdn.net/weixin\_44791964/article/details/120656291][https_blog.csdn.net_weixin_44791964_article_details_120656291]。

## 二、2021/7/8更新 ##

许多粉丝反馈，报TypeError: **array**() takes 1 positional argument but 2 were given错误，可以修改pillow版本解决。

pip install pillow==8.2.0

# 学习前言 #

TF2的环境配置视频也弄一下吧  
![在这里插入图片描述][20190723165901974.jpg_pic_center]

# 环境内容 #

tensorflow-gpu：2.2.0  
无需装keras，tensorflow因为自带了。

# 环境配置 #

## 一、Anaconda安装 ##

**Anaconda的安装主要是为了方便环境管理，可以同时在一个电脑上安装多种环境，不同环境放置不同框架：pytorch、tensorflow、keras可以在不同的环境下安装，只需要使用conda create –n创建新环境即可。**

### 1、Anaconda的下载 ###

同学们可以选择安装新版Anaconda和旧版的Anaconda，安装步骤没有什么区别。

**旧版本anaconda的下载：**  
**新版本的Anaconda没有VSCODE，如果大家为了安装VSCODE方便可以直接安装旧版的Anaconda，百度网盘连接如下。也可以装新版然后分开装VSCODE。**  
链接: [https://pan.baidu.com/s/12tW0Oad\_Tqn7jNs8RNkvFA][https_pan.baidu.com_s_12tW0Oad_Tqn7jNs8RNkvFA] 提取码: i83n

**新版本anaconda的下载：**  
如果想要安装最新的Anaconda，首先登录Anaconda的官网：[https://www.anaconda.com/distribution/][https_www.anaconda.com_distribution]。直接下载对应安装包就可以。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_12_color_FFFFFF_t_70_g_se_x_16_pic_center]  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_11_color_FFFFFF_t_70_g_se_x_16_pic_center]  
一般是下载64位的，下载完成后打开。

### 2、Anaconda的安装 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center]  
选择安装的位置，可以不安装在C盘。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 1]  
我选择了Add Anaconda to my PATH environment variable，这样会自动将anaconda装到系统的环境变量中，配置会更加方便一些。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 2]  
等待安装完之后，Anaconda的安装就结束了。

## 二、Cudnn和CUDA的下载和安装 ##

**我这里使用的是tensorflow-gpu=2.2.0，因此会用到cuda10.1，与cuda10.1对应的cudnn是7.6.5.32。**

### 1、Cudnn和CUDA的下载 ###

**网盘下载：**  
链接: [https://pan.baidu.com/s/1kExUPePLanlKvkhgPiEy3g][https_pan.baidu.com_s_1kExUPePLanlKvkhgPiEy3g]  
提取码: w5m7

**官网下载：**  
cuda10.1官网的地址是：  
[cuda10.1官网地址][cuda10.1]  
cudnn官网的地址是：需要大家进去后寻找7.6.5。  
[cudnn官网地址][cudnn]

官网下载是比较慢的，可以在百度云上下载，我给大家分享一手。

下载完之后得到这两个文件。

![在这里插入图片描述][bcf91cfb4990486fa6ef1e69d67e21f8.png_pic_center]  
![在这里插入图片描述][739cf651014348b599c2d9105a846f1c.png_pic_center]

### 2、Cudnn和CUDA的安装 ###

下载好之后可以打开exe文件进行安装。  
![在这里插入图片描述][20200306191926135.png_pic_center]  
这里选择自定义。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_17_color_FFFFFF_t_70_g_se_x_16_pic_center]  
然后直接点下一步就行了。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_17_color_FFFFFF_t_70_g_se_x_16_pic_center 1]  
安装完后在C盘这个位置可以找到根目录。  
C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.1  
然后大家把Cudnn的内容进行解压。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 3]  
把这里面的内容直接复制到C盘的根目录下就可以了。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 4]

## 三、配置tensorflow2环境 ##

### 1、tensorflow2环境的创建与激活 ###

Win+R启动cmd，在命令提示符内输入以下命令：

conda create –n tensorflow2-gpu python=3.7

activate tensorflow2-gpu

这里一共存在两条指令：  
前面一条指令用于创建一个名为tensorflow2-gpu的环境，该环境的python版本为3.7。  
后面一条指令用于激活一个名为tensorflow2-gpu的环境。

### 2、tensorflow库的安装 ###

由于我们所有的操作都要在对应环境中进行，所以在进行库的安装前需要先激活环境。

activate tensorflow2-gpu

此时cmd窗口的样子为：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]然后我们输入下述指令：

pip install tensorflow-gpu==2.2.0

### 3、其它依赖库的安装 ###

但如果想要跑深度学习模型，还有一些其它的依赖库需要安装。具体如下：

scipy==1.4.1
    numpy==1.18.4
    matplotlib==3.2.1
    opencv_python==4.2.0.34
    tensorflow_gpu==2.2.0
    tqdm==4.46.1
    Pillow==8.2.0
    h5py==2.10.0

如果想要更便捷的安装可以在桌面或者其它地方创建一个requirements.txt文件，复制上述内容到txt文件中。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 1]  
使用如下指令安装即可。**下述指令中，requirements.txt前方的路径是我将文件放在桌面的路径，各位同学根据自己的电脑修改。**

pip install -r C:\Users\33232\Desktop\requirements.txt

### 4、安装较慢请注意换源 ###

需要注意的是，如果在pip中下载安装比较慢可以换个源，可以到用户文件夹下，创建一个pip文件夹，然后在pip文件夹里创建一个txt文件。  
![在这里插入图片描述][20200306192756692.png_pic_center]  
修改txt文件的内容，并且把后缀改成ini

[global]
    index-url = http://pypi.mirrors.ustc.edu.cn/simple
    [install]
    use-mirrors =true
    mirrors =http://pypi.mirrors.ustc.edu.cn/simple/
    trusted-host =pypi.mirrors.ustc.edu.cn

## 四、安装VSCODE ##

**我个人喜欢VSCODE，所以就安装它啦。其它的编辑软件也可以，个人喜好罢了。**

### 1、下载安装包安装（推荐） ###

**最新版本的Anaconda没有VSCODE因此可以直接百度VSCODE进行安装。**

#### a、VSCODE的下载 ####

直接加载VSCODE的官网[https://code.visualstudio.com/][https_code.visualstudio.com]，点击Download for Windows即可下载。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 2]

#### b、VSCODE的安装 ####

首先同意协议，点一下步。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_17_color_FFFFFF_t_70_g_se_x_16_pic_center 2]  
其他里面的几个勾要打起来，因为这样就可以右键文件夹用VSCODE打开，非常方便。下一步。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_17_color_FFFFFF_t_70_g_se_x_16_pic_center 3]  
继续下一步安装即可。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_17_color_FFFFFF_t_70_g_se_x_16_pic_center 4]

**安装完成后在左下角激活对应的环境就行了。**  
![在这里插入图片描述][8bd15e280e9345bf8db937b63c83cf22.png_pic_center]

### 2、anaconda上安装 ###

打开anaconda，切换环境。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 7]  
安装VSCODE，安装完就可以launch一下了，之后就可以把VScode固定到任务栏上，方便打开。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 8]

[https_blog.csdn.net_weixin_44791964_article_details_120657664]: https://blog.csdn.net/weixin_44791964/article/details/120657664
[https_blog.csdn.net_weixin_44791964_article_details_120656291]: https://blog.csdn.net/weixin_44791964/article/details/120656291
[20190723165901974.jpg_pic_center]: /images/20221123/ceeaf76cf02d4b0e840bb1d80a693296.png
[https_pan.baidu.com_s_12tW0Oad_Tqn7jNs8RNkvFA]: https://pan.baidu.com/s/12tW0Oad_Tqn7jNs8RNkvFA
[https_www.anaconda.com_distribution]: https://www.anaconda.com/distribution/
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_12_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20221123/7d88f10907af4d69b8a7755ead440ef5.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_11_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20221123/72b5babb29384a05b6631d9ee4c9db7c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center]: /images/20221123/dd2f2731c7f24251b9ec581099c5790c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221123/60dfa154f43c40389c93ace9f40493c2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221123/a18910aa8a9b47a593bec1a349ae4339.png
[https_pan.baidu.com_s_1kExUPePLanlKvkhgPiEy3g]: https://pan.baidu.com/s/1kExUPePLanlKvkhgPiEy3g
[cuda10.1]: https://developer.nvidia.com/cuda-10.1-download-archive-base?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
[cudnn]: https://developer.nvidia.com/cudnn
[bcf91cfb4990486fa6ef1e69d67e21f8.png_pic_center]: /images/20221123/15d62d23dce04ce5a0cbfdd1f4aae119.png
[739cf651014348b599c2d9105a846f1c.png_pic_center]: /images/20221123/4faa876dd4cf4fcdb2bc13183e37944c.png
[20200306191926135.png_pic_center]: /images/20221123/6d438ee3dd814e6d95ce174a24b00c88.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_17_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20221123/d8bc92e9b9ea401b82e638620b324db3.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_17_color_FFFFFF_t_70_g_se_x_16_pic_center 1]: /images/20221123/433b2708de3f41ee898204f3c87f01f8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20221123/e0ee13328e29445f8cd26baeaeaa5af4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20221123/627fda24d47e400c94ee6ad41bb2caf8.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20221123/309bef5114634868a97b4abf7612f3ca.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 1]: /images/20221123/24116d291ea046639c99ee1564f7ddcf.png
[20200306192756692.png_pic_center]: /images/20221123/31a868c01de846f0ae70d82d4a73d4c6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20221123/b512b0f103bc4ce08d2700934356de58.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 6]: /images/20221123/3732dd55b027406ea1b4d4aa2f00d1ff.png
[https_code.visualstudio.com]: https://code.visualstudio.com/
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 2]: /images/20221123/731d2a1d865943d9959671784467e915.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_17_color_FFFFFF_t_70_g_se_x_16_pic_center 2]: /images/20221123/cb3d0bd9405543a29ca5f8fcb35ec51a.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_17_color_FFFFFF_t_70_g_se_x_16_pic_center 3]: /images/20221123/740d66d12dde40dc9f874ad96e12fe58.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_17_color_FFFFFF_t_70_g_se_x_16_pic_center 4]: /images/20221123/da8805d44f084eda900ce520136714c7.png
[8bd15e280e9345bf8db937b63c83cf22.png_pic_center]: /images/20221123/c48c7eed92034cb68e622efed6b7fd41.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 7]: /images/20221123/7619586e996a48288747ab38ce4af7a1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 8]: /images/20221123/63c87c80fa7b4731b5ecaa0a424df938.png