TensorFlow-GPU极简———不用安装cuda、cuDNN！！！

迷南。 2023-01-01 11:47 321阅读 0赞

前言：

看到网上大部分TensorFlowGPU教程都需要看配置需要装一大堆东西，然后就来更新一篇我知道的最简便的安装GPU版本的方法了，不用安装CUDA CUDNN VS啥的，可能目前内容上有点粗糙，后续会慢慢完善的。个人安装的目的就是为了重新下载一个与keras版本匹配的TensorFlow，具体可以通过这个网址查看Keras与TensorFlow的对应版本，然后我卸载了之前的TensorFlowGPU版本，顺便来记录一下安装过程，当然，读者可以根据自己的需要去下载其他的TensorFlow-GPU

" class="reference-link">watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNjI3MjM1_size_16_color_FFFFFF_t_70

一、准备阶段

  1. 设备环境：win10+你电脑上有GPU。。。（虽然听起来有点无脑）
  2. 安装anaconda，这部分就不多说了，需要下载的请直接到官网下载，然后直接安装，不放心的话去看看其他博客教程
  3. 卸载TensorFlow-GPU+Keras这一步是我自己需要做的，如果你原先没有Tensorflow-gpu就不用管了，直接跳到下一步。

卸载指令：conda uninstall tensorflow-gpu==1.14.0

  1.               conda uninstall keras==1.0.8

但是这里我用conda卸载报错，应该是默认的镜像源的处理速度太慢导致超时，这里的处理方法是可以考虑换成清华源再卸载，不过我的环境里有pip就测试用pip卸载了，行得通。后面卸载Keras也是一样的原理。

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNjI3MjM1_size_16_color_FFFFFF_t_70 1

二、安装

  1. 如果你刚安装好anaconda，或者出于其他原因，第一步就从建立一个虚拟环境开始吧。

    按照下图的顺序来，②的命名自己随意，③的选项建议选3.6或7吧，或者有更高版本也好，尽量别选2.X，2.7的据说都快要停止维护了，对python新手而言也不要选版本太高的，可能不稳定。

    点击创建之后可能会等一段时间（因为会配备相关必要的库所以可能有点慢）。watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNjI3MjM1_size_16_color_FFFFFF_t_70 2

  2. 虚拟环境建完之后，操作如下图： watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNjI3MjM1_size_16_color_FFFFFF_t_70 3

再点击“open terminal”进入终端界面：

  1.      ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNjI3MjM1_size_16_color_FFFFFF_t_70 4][]

3.接下来就是重头戏了，安装TensorFlow-GPU：

在终端输入：conda install -c aaronzs tensorflow-gpu

默认应该是下载最新版本，如果要特定版本，就conda install -c aaronzs tensorflow-gpu==xxx

但是我发现这个方法无法下载2.2.0版本，所以我退而求其次地下载了2.2.1了

这个过程可能会报warning什么的，如果可以运行就忽略，有报什么错欢迎在评论区留言。

然后就是漫长地等待了

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNjI3MjM1_size_16_color_FFFFFF_t_70 5

完成后再输入 conda list看看

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNjI3MjM1_size_16_color_FFFFFF_t_70 6

4.安装成功！！结束了！！！！对就是这么简单！！！！

但是，最后我们还是测试一下到底有没有配置成功：

因为我用的是Pycharm,这里再附加一下Pycharm配置Anaconda环境的过程：

按照下图所示，或者直接Ctrl+Alt+S

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNjI3MjM1_size_16_color_FFFFFF_t_70 7

打开设置之后就按照下图操作，选完之后就全点”OK”

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNjI3MjM1_size_16_color_FFFFFF_t_70 8

操作之后，可以看到右下角会显示当前的环境：

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxNjI3MjM1_size_16_color_FFFFFF_t_70 9

然后关键的一步测试了！操作如下:

新建一个python文件，然后输入以下代码，然后运行： 

  1. import tensorflow as tf
  2. import os
  3. #os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
  4. a = tf.constant(1.)
  5. b = tf.constant(2.)
  6. print(a+b)
  7. print(tf.__version__)
  8. print('GPU:', tf.config.list_physical_devices('GPU'))
  9. print(tf.test.is_gpu_available())

输出结果为：

  1. tf.Tensor(3.0, shape=(), dtype=float32)
  2. 2.1.0
  3. GPU: [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
  4. True

当然，，由于是用GPU跑的，所以会有这些信息：

  1. 2021-01-06 11:54:57.365737: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll
  2. 2021-01-06 11:55:00.178440: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library nvcuda.dll
  3. 2021-01-06 11:55:00.862896: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1555] Found device 0 with properties: 
  4. pciBusID: 0000:01:00.0 name: GeForce GTX 1050 computeCapability: 6.1
  5. coreClock: 1.493GHz coreCount: 5 deviceMemorySize: 2.00GiB deviceMemoryBandwidth: 104.43GiB/s
  6. 2021-01-06 11:55:00.863272: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll
  7. 2021-01-06 11:55:00.868083: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cublas64_10.dll
  8. 2021-01-06 11:55:00.872729: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cufft64_10.dll
  9. 2021-01-06 11:55:00.874234: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library curand64_10.dll
  10. 2021-01-06 11:55:00.879152: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusolver64_10.dll
  11. 2021-01-06 11:55:00.881920: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusparse64_10.dll
  12. 2021-01-06 11:55:00.892460: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudnn64_7.dll
  13. 2021-01-06 11:55:00.892777: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1697] Adding visible gpu devices: 0
  14. 2021-01-06 11:55:00.893388: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
  15. 2021-01-06 11:55:00.895935: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1555] Found device 0 with properties: 
  16. pciBusID: 0000:01:00.0 name: GeForce GTX 1050 computeCapability: 6.1
  17. coreClock: 1.493GHz coreCount: 5 deviceMemorySize: 2.00GiB deviceMemoryBandwidth: 104.43GiB/s
  18. 2021-01-06 11:55:00.896318: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll
  19. 2021-01-06 11:55:00.896510: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cublas64_10.dll
  20. 2021-01-06 11:55:00.896701: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cufft64_10.dll
  21. 2021-01-06 11:55:00.896891: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library curand64_10.dll
  22. 2021-01-06 11:55:00.897081: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusolver64_10.dll
  23. 2021-01-06 11:55:00.897269: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusparse64_10.dll
  24. 2021-01-06 11:55:00.897458: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudnn64_7.dll
  25. 2021-01-06 11:55:00.897699: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1697] Adding visible gpu devices: 0
  26. 2021-01-06 11:55:01.557072: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1096] Device interconnect StreamExecutor with strength 1 edge matrix:
  27. 2021-01-06 11:55:01.557299: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1102]      0 
  28. 2021-01-06 11:55:01.557426: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] 0:   N 
  29. 2021-01-06 11:55:01.557723: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1241] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1335 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1050, pci bus id: 0000:01:00.0, compute capability: 6.1)

然后就结束了！！！完成！！！✿✿ヽ(°▽°)ノ✿

如果过程有报什么错欢迎在评论区留言！！

发表评论

表情：
评论列表 （有 0 条评论，321人围观）

还没有评论，来说两句吧...

相关阅读

    相关 《极简生活》

    作者通过对家居装饰，饮食起居，服装搭配，学习工作的安排，达成简单快乐的生活态度。所谓生活就是“认识自己”的过程，也是“创造自己”的必经之路。 二十六个丢弃觉得非常好，分享给

    向右看齐向右看齐/ 0 赞/ 306 阅读

    相关 Nginx 极简教程

    > 本项目是一个 Nginx 极简教程，目的在于帮助新手快速入门 Nginx。 > > [examples][examples] 目录中的示例模拟了工作中的一些常用实战场景，

    叁歲伎倆叁歲伎倆/ 0 赞/ 389 阅读

    相关 Nginx 极简教程

    Nginx 极简教程 ( 转载于 后端技术精选 ) > 说明: 该篇博客为转录, 主要是我觉得写得很全面, 因为最近我也在学习nginx, 我个人感觉看了原博主的这篇的话

    ╰半橙微兮°╰半橙微兮°/ 0 赞/ 567 阅读

    相关 极简JAVA 注解

    自定义注解 使用@interface定义注解 可定义多个参数和默认值，核心参数推荐使用value 必须通过一些元注解来修饰自定义注解，@Target指定

    桃扇骨桃扇骨/ 0 赞/ 503 阅读